实验五图像分类.docVIP

实验五图像分类 本实验介绍遥感影像的分类操作处理，比较监督分类和非监督分类后的影像，并对分类后的影像进行相应的后处理。后处理包括聚合（clump）处理，筛选（sieve）处理、并类（combine）处理，以及精度评估。 打开显示分类影像 1从ENVI主菜单中，选择File →Open Image file，选择进入envidata文件夹目录，点击can_tm子目录，从列表中选择can_tm.img文件，点击ok。 2 在可用波段列表中，选择RGB Color单选按钮，然后用鼠标左键，顺次点击波段4、波段5和波段3。所选的波段就会在对话框中适当的文本框中显示出来。 3 点击Load RGB按钮，把该影像加载到一个新的显示窗口中。在主影像窗口对影像进行简单的区分和目视判读工作。 非监督分类 在ENVI主菜单中，选择Classification →Unsupervised →选择K-means或者IsoData。 K均值（K-means）分类法 K－均值非监督分类器使用了聚类分析方法，它需要首先选定所需的分类个数，随机地查找聚类的中心位置，然后迭代地重新配置它们，直到达到最优化的波谱分类。 1在ENVI主菜单中，选择Classification →Unsupervised →K-means，在Classification Input file对话框中，选择分类影像和分类波段数，点击ok。 2 在K-means parameters对话框中，确定分类数为6类，其余参数采用默认的方式，选择文件输出名称和输出路径，点击ok，影像进行分类。 3 在可用波段列表中，添加一个新的图像显示窗口，从Display＃1下拉菜单中，选择New Display。 4 双击K-means（can_tm.img）分类图像，分类后的图像就显示在新的影像窗口中。 5 从主影像窗口菜单中，选择Tools →Link →Link Displays，然后在对话框中，点击ok。 图5.1 K-means parameters对话框 6 使用鼠标左键，在影像上点击并拖动动态叠加显示区域，将K-means分类结果同原始的彩色合成影像进行比较。 7 当处理完成后，选择Tools →Link →Unlink Display，关闭动态链接。 监督分类法 监督分类是一种边训练边学习的分类方法。在进行监督分类时，首先要训练分类样本，确定分类数，对样本进行保存。然后选择监督分类方法，分类结束后进行分类后的处理工作。 1选择用于非监督分类的影像can_tm.img文件。从主影像窗口中，选择Overlay →Region of Interest。接着对应于显示窗口的ROI Tool对话框。 图5.2 ROI Tool对话框 2 在ROI Tool对话框中，选择ROI_type为polygon，然后在主影像窗口中，绘制一个多边形，该多边形就代表了新创建的感兴趣区。要完成这一步，请按下面的步骤进行： ? 在主影像窗口中，点击鼠标左键，建立感兴趣多边形的第一个点。 ? 再次点击鼠标左键，按顺序选择更多的边线点，点击鼠标右键来闭合该多边形。鼠标中键可以被用来删除必威体育精装版定义的点，或者删除已经闭合了的整个多边形。再一次点击鼠标右键，固定多边形的位置。 ? 通过选ROI Controls对话框顶部对应的单选按钮，感兴趣区可以在缩放窗口中被定义。 感兴趣区域定义完后，它就会在对话框的可用区域列表中显示出来，同时显示的还有感兴趣区域的名字，颜色以及所包含的像素总数。 3 要定义一个新的感兴趣区，点击New Region按钮。点击Edit按钮，在打开的Edit ROI Parameters对话框中，可以输入感兴趣的名字，选择感兴趣区的颜色和填充方式。按照上述步骤，定义新的感兴趣区。对分类影像定义6个地类。 图5.3 感兴趣对话框及训练样本 4 对训练的样本进行保存，在ROI Tool对话框中，选择file →save ROIs。 5 在Save ROIs to file对话框中，选择Select All Items，点击choose选择保存路径和文件名。 6 点击ok保存文件。 图5.4 Save ROIs to file对话框 最小距离法分类（Minimum Distance） 最小距离分类法使用了每个感兴趣区的均值矢量，来计算每一个未知像元到每一类均值矢量的欧氏距离。除非用户指定了标准差和距离的阈值，否则所有像元都将分类到感兴趣区中最接近的那一类。 1在ENVI主菜单中，选择classification →supervised →Minimum Distance，在Classification Input File对话框中，点击选择进行监督分类的文件can_tm.img，点击ok。 图5.5 Minimum