資源描述：
《實驗二 遙感影像信息提取(監(jiān)督與非監(jiān)督分類).doc》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、實驗二遙感影像信息提?。ūO(jiān)督與非監(jiān)督分類）一.實驗?zāi)康恼莆毡O(jiān)督與非監(jiān)督分類技術(shù)二.實驗內(nèi)容（一）監(jiān)督分類監(jiān)督分類：又稱訓(xùn)練分類法，用被確認(rèn)類別的樣本像元去識別其他未知類別像元的過程。它就是在分類之前通過目視判讀和野外調(diào)查，對遙感圖像上某些樣區(qū)中影像地物的類別屬性有了先驗知識，對每一種類別選取一定數(shù)量的訓(xùn)練樣本，計算機計算每種訓(xùn)練樣區(qū)的統(tǒng)計或其他信息，同時用這些種子類別對判決函數(shù)進(jìn)行訓(xùn)練，使其符合于對各種子類別分類的要求，隨后用訓(xùn)練好的判決函數(shù)去對其他待分?jǐn)?shù)據(jù)進(jìn)行分類。使每個像元和訓(xùn)練樣本作比較，按不同的規(guī)則將其劃分到和其最相似的樣本類，以此完成對整個圖像的分類。遙感
2、影像的監(jiān)督分類一般包括以下6個步驟，如圖17所示：圖17監(jiān)督分類步驟1、類別定義/特征判別??根據(jù)分類目的、影像數(shù)據(jù)自身的特征和分類區(qū)收集的信息確定分類系統(tǒng)；對影像進(jìn)行特征判斷，評價圖像質(zhì)量，決定是否需要進(jìn)行影像增強等預(yù)處理。這個過程主要是一個目視查看的過程，為后面樣本的選擇打下基礎(chǔ)。本例是以ENVI自帶Landsattm5數(shù)據(jù)Can_tmr.img為數(shù)據(jù)源，類別分為：林地、草地/灌木、耕地、裸地、沙地、其他六類。2、樣本選擇（1）?為了建立分類函數(shù)，需要對每一類別選取一定數(shù)目的樣本，在ENVI中是通過感興趣區(qū)（ROIs）來確定，也可以將矢量文件轉(zhuǎn)化為ROIs文件來
3、獲得。本例中使用ROIs方法，打開分類圖像，在Display->Overlay->RegionofInterest，默認(rèn)ROIs為多邊形，按照默認(rèn)設(shè)置在影像上定義訓(xùn)練樣本。如圖18所示，設(shè)置好顏色和類別名稱。（2）在ROIs面板中，選擇Option->ComputeROISeparability,計算樣本的可分離性。如圖19所示，表示各個樣本類型之間的可分離性，用Jeffries-Matusita,TransformedDivergence參數(shù)表示，這兩個參數(shù)的值在0~2.0之間，大于1.9說明樣本之間可分離性好，屬于合格樣本；小于1.8，需要重新選擇樣本；小于1，
4、考慮將兩類樣本合成一類樣本。圖18訓(xùn)練樣本的選擇圖19樣本可分離性計算報表（3）樣本提純技術(shù)：Spectral—nDimensionalVisualizerN維散度可視分析，是ENVI比較有特色的功能，可以使樣本更加純凈，提高分類精度。(4)將分類結(jié)果疊加在原TM影像上，初步驗證分類的正確性，用ENVI的編輯功能調(diào)整分類3、分類器選擇??根據(jù)分類的復(fù)雜度、精度需求等確定哪一種分類器。目前監(jiān)督分類可分為基于傳統(tǒng)統(tǒng)計分析學(xué)的，包括平行六面體、最小距離、馬氏距離、最大似然，基于神經(jīng)網(wǎng)絡(luò)的，基于模式識別，包括支持向量機、模糊分類等，針對高光譜有波譜角（SAM），光譜信息散度
5、，二進(jìn)制編碼。下面是幾種分類器的簡單描述。l平行六面體:根據(jù)訓(xùn)練樣本的亮度值形成一個n維的平行六面體數(shù)據(jù)空間，其他像元的光譜值如果落在平行六面體任何一個訓(xùn)練樣本所對應(yīng)的區(qū)域，就被劃分其對應(yīng)的類別中。l最小距離:利用訓(xùn)練樣本數(shù)據(jù)計算出每一類的均值向量和標(biāo)準(zhǔn)差向量，然后以均值向量作為該類在特征空間中的中心位置，計算輸入圖像中每個像元到各類中心的距離，到哪一類中心的距離最小，該像元就歸入到哪一類。l馬氏距離：計算輸入圖像到各訓(xùn)練樣本的協(xié)方差距離（一種有效的計算兩個未知樣本集的相似度的方法），最終技術(shù)協(xié)方差距離最小的，即為此類別。l最大似然:假設(shè)每一個波段的每一類統(tǒng)計都呈正
6、態(tài)分布，計算給定像元屬于某一訓(xùn)練樣本的似然度，像元最終被歸并到似然度最大的一類當(dāng)中。l神經(jīng)網(wǎng)絡(luò):指用計算機模擬人腦的結(jié)構(gòu)，用許多小的處理單元模擬生物的神經(jīng)元，用算法實現(xiàn)人腦的識別、記憶、思考過程。l支持向量機:支持向量機分類（SupportVectorMachine或SVM）是一種建立在統(tǒng)計學(xué)習(xí)理論（StatisticalLearningTheory或SLT）基礎(chǔ)上的機器學(xué)習(xí)方法。SVM可以自動尋找那些對分類有較大區(qū)分能力的支持向量，由此構(gòu)造出分類器，可以將類與類之間的間隔最大化，因而有較好的推廣性和較高的分類準(zhǔn)確率。l波譜角:它是在N維空間將像元與參照波譜進(jìn)行匹配
7、，通過計算波譜間的相似度，之后對波譜之間相似度進(jìn)行角度的對比，較小的角度表示更大的相似度。4、影像分類?（1）基于傳統(tǒng)統(tǒng)計分析的分類方法參數(shù)設(shè)置比較簡單，選擇支持向量機分類方法。主菜單下選擇Classification>Supervised>SupportVectorMachine。按照默認(rèn)設(shè)置參數(shù)輸出分類結(jié)果，如圖21所示。圖20支持向量機分類器參數(shù)設(shè)置圖21支持向量機分類結(jié)果（2）選擇最大似然法進(jìn)行分類，并與支持向量機分類結(jié)果進(jìn)行比較（二）非監(jiān)督分類??非監(jiān)督分類：也稱為聚類分析或點群分類。在多光譜圖像中搜尋、定義其自然相似光譜集群的過程。它不必對影像地物獲
