实验二 遥感影像信息提取(监督与非监督分类).doc

《实验二 遥感影像信息提取(监督与非监督分类).doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、实验二遥感影像信息提取（监督与非监督分类）一.实验目的掌握监督与非监督分类技术二.实验内容（一）监督分类监督分类：又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决函数去对其他待分数据进行分类。使每个像元和训练样本作比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。遥感

2、影像的监督分类一般包括以下6个步骤，如图17所示：图17监督分类步骤1、类别定义/特征判别  根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。这个过程主要是一个目视查看的过程，为后面样本的选择打下基础。本例是以ENVI自带Landsattm5数据Can_tmr.img为数据源，类别分为：林地、草地/灌木、耕地、裸地、沙地、其他六类。2、样本选择（1） 为了建立分类函数，需要对每一类别选取一定数目的样本，在ENVI中是通过感兴趣区（ROIs）来确定，也可以将矢量文件转化为ROIs文件来

3、获得。本例中使用ROIs方法，打开分类图像，在Display->Overlay->RegionofInterest，默认ROIs为多边形，按照默认设置在影像上定义训练样本。如图18所示，设置好颜色和类别名称。（2）在ROIs面板中，选择Option->ComputeROISeparability,计算样本的可分离性。如图19所示，表示各个样本类型之间的可分离性，用Jeffries-Matusita,TransformedDivergence参数表示，这两个参数的值在0~2.0之间，大于1.9说明样本之间可分离性好，属于合格样本；小于1.8，需要重新选择样本；小于1，

4、考虑将两类样本合成一类样本。图18训练样本的选择图19样本可分离性计算报表（3）样本提纯技术：Spectral—nDimensionalVisualizerN维散度可视分析，是ENVI比较有特色的功能，可以使样本更加纯净，提高分类精度。(4)将分类结果叠加在原TM影像上，初步验证分类的正确性，用ENVI的编辑功能调整分类3、分类器选择  根据分类的复杂度、精度需求等确定哪一种分类器。目前监督分类可分为基于传统统计分析学的，包括平行六面体、最小距离、马氏距离、最大似然，基于神经网络的，基于模式识别，包括支持向量机、模糊分类等，针对高光谱有波谱角（SAM），光谱信息散度

5、，二进制编码。下面是几种分类器的简单描述。l平行六面体:根据训练样本的亮度值形成一个n维的平行六面体数据空间，其他像元的光谱值如果落在平行六面体任何一个训练样本所对应的区域，就被划分其对应的类别中。l最小距离:利用训练样本数据计算出每一类的均值向量和标准差向量，然后以均值向量作为该类在特征空间中的中心位置，计算输入图像中每个像元到各类中心的距离，到哪一类中心的距离最小，该像元就归入到哪一类。l马氏距离：计算输入图像到各训练样本的协方差距离（一种有效的计算两个未知样本集的相似度的方法），最终技术协方差距离最小的，即为此类别。l最大似然:假设每一个波段的每一类统计都呈正

6、态分布，计算给定像元属于某一训练样本的似然度，像元最终被归并到似然度最大的一类当中。l神经网络:指用计算机模拟人脑的结构，用许多小的处理单元模拟生物的神经元，用算法实现人脑的识别、记忆、思考过程。l支持向量机:支持向量机分类（SupportVectorMachine或SVM）是一种建立在统计学习理论（StatisticalLearningTheory或SLT）基础上的机器学习方法。SVM可以自动寻找那些对分类有较大区分能力的支持向量，由此构造出分类器，可以将类与类之间的间隔最大化，因而有较好的推广性和较高的分类准确率。l波谱角:它是在N维空间将像元与参照波谱进行匹配

7、，通过计算波谱间的相似度，之后对波谱之间相似度进行角度的对比，较小的角度表示更大的相似度。4、影像分类 （1）基于传统统计分析的分类方法参数设置比较简单，选择支持向量机分类方法。主菜单下选择Classification>Supervised>SupportVectorMachine。按照默认设置参数输出分类结果，如图21所示。图20支持向量机分类器参数设置图21支持向量机分类结果（2）选择最大似然法进行分类，并与支持向量机分类结果进行比较（二）非监督分类  非监督分类：也称为聚类分析或点群分类。在多光谱图像中搜寻、定义其自然相似光谱集群的过程。它不必对影像地物获