监督与决策树分类.pdf

遥感事业部 监督与决策树分类 版权声明：本教程涉及到的数据提供下载，供练习使用，禁止用于商业用途。 目录 监督与决策树分类 1 1. 概述 2 2. 监督分类 3 2.1 概述 3 2.2 监督分类提取土地覆盖信息 3 2.3 监督分类提取火烧迹地 13 3. 基于专家知识的决策树分类 17 网址： 技术支持网站： 电话：010 技术支持热线：400-819-2881-7 遥感事业部 1. 概述 遥感影像通过亮度值或像元值的高低差异（反映地物的光谱信息）及空间变化（反映地物的空间信息） 来表示不同地物的差异，这是区分不同影像地物的物理基础。 遥感影像分类就是利用计算机通过对遥感影像中各类地物的光谱信息和空间信息进行分析，选择特征， 将图像中每个像元按照某种规则或算法划分为不同的类别，然后获得遥感影像中与实际地物的对应信息，从 而实现遥感影像的分类，即信息提取。 根据方法类型划分为以下几种信息提取种类： 图1. 1 遥感信息提取方法 每一种方法都有各自的适用范围，人工解译：适用定性信息的提取，也就是在图像上通过肉眼能分辨的 信息；基于光谱的计算机分类，对于中低分辨率的多光谱影像效果明显（小于10 米）；基于专家知识的决策 树分类：需要多源数据支持；面向对象分类方法：随着高分辨率影像的出现而发展起来的；地物识别与地表 反演：定量信息提取，需要模型的支持；变化监测：多时相影像支持；地形信息提取，需要立体像对的支持。 表1.1 传统基于光谱、基于专家知识决策树与基于面向对象的影像分类对比表 类型 基本原理 影像的最小单元 适用数据源 缺 陷 传统基于 地物的光谱信息 单个的影像像元 中低分辨率多光 丰富的空间信息 光谱的分 特征 谱和高光谱影像 利用率几乎为零 类方法 基于专家 根据光谱特征、 单个的影像像元 多源数据 知识获取比较复 知识决策 空间关系和其他 杂 树 上下文关系归类 像元 网址： 技术支持网站： 电话：010技术支持热线：400-819-2881-7 遥感事业部 面向对象 几何信息、结构 一个个影像对象 中高分辨率多光 速度比较慢 的分类方 信息以及光谱信 谱和全色影像 法 息 2. 监督分类 2.1 概述 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。 遥感影像的监督分类一般包括以下6 个步骤，如下图所示： 类别定义/特征判别 样本