任务六 遥感图像分类.doc

图像分类1. 监督分类 1 1.1 定义训练样本 1 1.2 执行监督分类 3 1.3 评价分类结果 5 2. 非监督分类（Unsupervised Classification） 6 2.1 执行非监督分类 6 2.2 类别定义与子类合并 7 3. 分类后处理 8 3.1 Majority/Minority分析 8 3.2 聚类处理（Clump） 9 3.3 过滤处理（Sieve） 9 4. 分类结果评价——混淆矩阵 9 遥感图像通过亮度值的高低差异及空间变化来表示不同地物的差异。遥感图像分类就是利用计算机通过对遥感图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。一般的分类方法可以分为两种：监督分类与非监督分类。 监督分类 监督分类总体上可以分为四个过程：定义训练样本、执行监督分类、评价分类结果和分类后处理。 实验数据：can_tmr.img 1定义训练样本 ENVI中是利用ROI Tool（感兴趣区）来定义训练样本的，因此，定义训练样本的过程就是创建感兴趣区的过程。 第一步 打开分类图像并分析图像 训练样本的定义主要靠目视解译。 （1）打开TM图像，以53（模拟真彩色）或者432合成RGB显示在Display中。 （2）通过分析图像，定义6类地物样本为林地、耕地、裸地、水体。 第二步 应用ROI Tool创建感兴趣区 从RGB彩色图像上获取ROI （1）在主图像窗口中，选择Overlay(Region of Interest，打开ROI Tool对话框。感兴趣区工具窗口的打开方式还有：Basic Tools ( Region Of Interest(ROI tool，或者直接在图像窗口上点击鼠标右键，再选择ROI Tool。 （2）在ROI Tool对话框中，可以进行样本编辑（名称颜色填充方式等）在ROI Name字段输入样本的名称（支持中文字符），在Color字段中，单击右键选择一种颜色。 （3）选择ROI_Type(Polygon在Windows中选择Image，兴趣区主图像窗口在图上分别绘制几个感兴趣区，建立各类地物的训练区。根据各类地物在影像上表现出的色调、纹理等特征，通过目视解译方法用鼠标在工作区影像图上选择其训练区，并使训练区的分布尽量均匀。ROI Tool 窗口中将会显示选择区域的颜色和相关信息，其中，感兴趣区域名称（ROI Name）和色彩可以修改。可就某一类训练区选择多个感兴趣区域。一类训练区选择个感兴趣区域 （4）在ROI Tool对话框中，单击New Region按钮，新建 第三步 评价训练样本 ENVI使用计算ROI可分离性（Compute ROI Separability）工具来计算任意类别间的统计距离。这个距离用于确定两个类别间的差异性程度。类别间的统计距离是基于下列方法计算的：Jeffries-Matusita距离和转换分离度（Transformed Divergence），来衡量训练样本（ROI）的可分离性。 （1）在ROI Tools对话框中，选择Options(Compute ROI Separability。 （2）在文件选择对话框时，选择输入TM图像文件，单击OK。 （3）在Compute ROI Separability对话框中，单击Select All Items按钮，选择所有ROI用于可分离性计算，单击OK，可分离性将被计算并显示在窗口中。 说明：ENVI为每一个感兴趣区组合计算Jeffries-Matusita距离和Transformed Divergence。在对话框底部，根据可分离性值的大小，从小到大列出感兴趣区组合。这两个参数的值为0—2.0，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，考虑将两类样本合成一类样本。 （）训练区的保存：ROI Tool: File(Save ROIs… 监督分类 分类方式包括平行六面体法、最短距离法、马氏距离法、最大似然法、波谱角分类以及二进制编码法等，选择合适的分类方式。Classification( supervised( Parallelpiped，在文件输入对话框中选择TM分类图像，单击OK，打开Parallelpiped参数设置对话框，设置说明： Select Classes from Regions：选择训练样本，如果单击Select All Items按钮，则选择全部的训练样本。 Set Max stdev from Mean：设置标准差阈值。有三种类型：①None：不设置标准差阈值；②Single Value：为所有类别设置一个标准差阈值；③Multiple Values：分别为每一个类别设置一个标准差阈值。选择Sing