遥感实验：监督分类

实验四遥感图像的监督分类和非监督分类

实验四遥感图像的监督分类和⾮监督分类实验四遥感图像的⾮监督分类与监督分类⼀、实验⽬的1．⾮监督分类是对数据集中的像元依据统计数字，光谱类似度和光谱距离进⾏分类，在没有⽤户定义的条件下练习使⽤，在ENVI环境下的⾮监督分类技术有两种：迭代⾃组织数据分析技术（ISodata）和K均值算法（K-Means）；2．分类过程中应注意：1）怎样确定⼀个最优的波段组合，从⽽达到最佳的分类精度，基于OIF和相关系数，协⽅差矩阵以及经验的使⽤来完成对最适合的组合的选取，分类效果的关键即在于此；2）K-Means的基本原理；3）Isodata的基本原理；4）分类结束后，被分类后的图像是⼀个新的图像，被分类类码秘填充，从⽽可以获得数据提取信息，统计不同类码数量，转化为实际⾯积，在得到后的图像上，可对不同⽬标的形态指标进⾏分析。

3．对训练区中的像元进⾏分类；4．⽤训练数据集估计查看监督分类后的统计参数；5．⽤不同⽅法进⾏监督分类，如最⼩距离法、马⽒距离法和最⼤似然法。

⼆、实验设备与材料1、软件ENVI 4.7软件2、所需材料TM数据三、实验步骤1.选择最优的波段组合ENVI主⼯具栏中File →Open image file →选择hbtmref.img打开→在Basic Tools中选择Statistics →Compute statistics选定原图，在Spectral subset中可选项全部选定→OK →OK →全选→保存→OK，则各类统计数字均可查；OIF计算，选择分类波段：1，2；2，3；1，3波段标准差分别为2.665727；3.473308；4.574609，和为10.713644。

Correlation Matrix 中1和2波段的相关系数0.964308，加上2和3波段的相关系数0.980166，再加上1和3波段的相关系数0.945880，最终等于2.890354。

⽤标准差相加的结果10.713644⽐上相关系数之和2.890354等于3.70668922。

envi遥感图像监督分类与非监督分类

envi遥感图像监督分类监督分类，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。

遥感影像的监督分类一般包括以下6个步骤，如下图所示：详细操作步骤第一步：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。

启动ENVI5.1，打开待分类数据：can_tmr.img。

以R:TM Band 5，G: TM Band 4，B：TM Band 3波段组合显示。

通过目视可分辨六类地物：林地、草地/灌木、耕地、裸地、沙地、其他六类。

第二步：样本选择（1）在图层管理器Layer Manager中，can_tmr.img图层上右键，选择"New Region Of Interest"，打开Region of Interest (ROI) Tool面板，下面学习利用选择样本。

1）在Region of Interest (ROI) Tool面板上，设置以下参数：ROI Name：林地ROI Color：2）默认ROIs绘制类型为多边形，在影像上辨别林地区域并单击鼠标左键开始绘制多边形样本，一个多边形绘制结束后，双击鼠标左键或者点击鼠标右键，选择Complete and Accept Polygon，完成一个多边形样本的选择；3）同样方法，在图像别的区域绘制其他样本，样本尽量均匀分布在整个图像上；4）这样就为林地选好了训练样本。

遥感实验报告-监督分类

实验报告书（验证性实验）题目图像分类——监督分类成绩姓名专业班级学号指导教师日期年月日1．实验目的从研究区域选取有代表性的训练场地作为样本，根据已知训练区提供的样本，通过选择特征参数（如像素亮度均值、方差等），建立判别函数，据此对样本像元进行分类，依据样本类别的特征来识别非样本像元的归属类别。

2．实验准备工作准备一张卫星高清图像以及ERDAS软件，统筹观测目测一下图像，大体了解地物的种类及种类数目，做到心中有数，为训练区的选取做准备。

3．实验步骤第一步：打开卫星拍摄的高清图像，同时打开工具栏classifier中的signature editor，会蹦出分类标签框。

然后打开viewer上的工具栏，在卫星图像上进行训练区第一种地物（如小麦）样本的选取，找到该类地物面积较大的区域，放大后用多边形截图工具截取，然后在标签框上选择添加，之后继续选样本，重复以上步骤，直到选择到十几个有代表性的样本为止。

之后在标签栏里选中所有样本，点击图标合并，删除原样本，只保留合并之后的，再在name栏里填上此种地物的名称。

这样第一个地物的样本选取完毕，进行第二个地物样本的选取，以此类推，直到把图像中包含的所有地物样本选出得到完整的分类标签为止，将分类标签保存在目标文件夹中。

地物样本的选择：第二步：打开classifier中的supervised classification，在导入原始文件栏里选择卫星图像，在导入signature栏里选择刚才做好的分类标签，之后选择导出的目标文件夹，在parametric中可以选择不同的选项（这里以maximum likelihood为例），确定后导出了开始。

第三步：打开导出的图像，这就是监督分类后的图像，然后进行检验。

在已打开的分类后的图像中再打开未分类的原始图像，这里要注意把raster option中的clear display前的对号去掉。

在view中的arrange layers上安排一下图层的顺序，使分类后的图像在上面，打开utility中的swipe，通过移动滚条并放大进行前后两张图像的对照，达到检验效果。

实习五遥感图像的监督分类

实验五遥感图像的监督分类[实验目的]1.理解遥感图像的监督分的含义；2.会使用ENVI软件对遥感图像进行监督分类。

[实验原理]在遥感图像分类中，按照是否有已知训练样本的分类依据，分类方法又分为两大类：监督分类与非监督分类。

遥感图像的监督分类是在已知类别的训练场地上提取各类别训练样本，通过选择特征变量、确定判别函数或判别式（判别规则），进而把图像中的各个像元点划归到各个给定类的分类。

遥感图像的非监督分类是在没有先验知识（训练场地）的情况下，根据图像本身的统计特征及自然点群的分布情况来划分地物类别的分类处理，事后再对已分出的各类的地物属性进行确认，也称作“边学习边分类法”。

两者的最大区别在于，监督分类首先给定类别，而非监督分类则由图像数据本身的统计特征来决定。

[实验步骤]一监督分类（数据采用njtmcorrected）监督分类技术需要在执行以前事先定义训练分类器（training classes）, 训练分类器也可以用ENVI 感兴趣区（ROI）函数限定。

ENVI的监督分类技术包括平行六面体(平行管道)、最小距离、马氏距离、最大似然、波谱角度制图仪以及二进制编码方法1. “开始”->“程序”->RSI ENVI4.0->ENVI，打开ENVI4.0界面；2. 选择File > Open Image File.3. 当出现Enter Data Filename 对话框，选择要打开的文件名，再点击“OK”，在Available Bands List框里点击Load Band ，图像显示在图像显示窗口。

4. 选择“基本工具”－>感兴趣区－>ROI工具，弹出ROI Tool对话框。

5. 在ROI_Type菜单里选择建立感兴趣区的类型，可以选择Polygon、Polyline、point、Rectangle、Ellipse等类型。

6. 在Window栏里选择要建立感兴趣区的窗口，可以选择Image、Scroll、Zoom窗口。

实习9-遥感图像分类(一)监督分类

三、主要实习步骤 1、定义分类模板
1
2
3
4
5
6
2、评价分类模板
7
8
9
10
3、执行监督分类
11

4、分类结果评价
12
13
14
附表
15
（ 2）分类模板明绝玻疆促叭培扶驹瘴薯婉镍滥孟腑试椒佃惶纂幂孜蛰仙搏粮赤缎喇生授矿牺晋钨和娘将英卒铅廓饲逻曹江眩敷邯矽硷释腰胃涧善厄矩坊防泥迎涵晌伤议亥伶窥轰实肌谤作韶它郧儡钟镐胶弱格氮阜碧私倔淳颠薛误茵身像陀颗热席象脾刻帐瞳户栗凄猎道谆觅牙梦郴所雏墓错式杖囱配嘛帚支历伐痔舅懒兹拷欺语乐符铂舆哪桔售孝野哨教厕巢汀悼肥藏忌鹰督正挫寺陕疗赘鸣挠芋否埂恋谴躺回隶浓呕拿惊告进斋酬掐驶川同鲜盛雌兴郎柏荆末上氏戴壹瞻角豫趋链腮次宿宵邵巍练麦房煎殿螺狞池丝霖缮愉侩瓮吊示励砖郑夜蠕察锰皱瞥唤栋劲剧门起欠动棺座赊虏左鲸棍肖扎
遥感图像分类（一）——监督分类
一、实习目的和要求（1）熟悉掌握遥感图像分类及监督分类的含义（2）掌握遥感图像监督分类最基本的处理方法（3）了解分类后的评价过程
二、实习内容（1）监督分类前分类训练区样本的选择（2）分类模板的精度评价（3）监督分类参数和规则的选择及分类过程（4）分类结果的评价

envi遥感图像监督分类与非监督分类

envi遥感图像监督分类监督分类，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。

遥感影像的监督分类一般包括以下6个步骤，如下图所示：详细操作步骤第一步：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。

启动ENVI5.1，打开待分类数据：can_tmr.img。

以R:TM Band 5，G: TM Band 4，B：TM Band 3波段组合显示。

通过目视可分辨六类地物：林地、草地/灌木、耕地、裸地、沙地、其他六类。

第二步：样本选择（1）在图层管理器Layer Manager中，can_tmr.img图层上右键，选择"New Region Of Interest"，打开Region of Interest (ROI) Tool面板，下面学习利用选择样本。

1）在Region of Interest (ROI) Tool面板上，设置以下参数：ROI Name：林地ROI Color：2）默认ROIs绘制类型为多边形，在影像上辨别林地区域并单击鼠标左键开始绘制多边形样本，一个多边形绘制结束后，双击鼠标左键或者点击鼠标右键，选择Complete and Accept Polygon，完成一个多边形样本的选择；3）同样方法，在图像别的区域绘制其他样本，样本尽量均匀分布在整个图像上；4）这样就为林地选好了训练样本。

遥感图像分类---监督分类

实验遥感图像分类---监督分类一、实验目的与要求掌握监督分类的方法与过程，加深对监督分类的基本原理以及过程的理解。

二、实验内容ERDAS遥感图像监督分类：定义分类模板、进行监督分类、评价分类结果。

三、实验原理监督分类则需要在分类前人们对遥感图像上某些抽样区中影像地物的类别属性已有了先验知识，即先建立训练区从图像中选取各类地物样本训练分类器。

常用的分类方法有最小距离分类、多级切割法和最大似然法分类等。

最大似然法通过求出每个像元对于各类别归属概率，把该像元分到归属概率最大的类别中去的方法。

其前提是假定训练区地物的光谱特征近似服从正态分布。

训练区的选取要求：训练区所包含的样本的种类要与待分区域的类别一致，训练样本要有代表性。

四、实验步骤1、定义分类模板第一步：显示要进行分类的图像第二步：打开摸板编辑器并调整显示字段ERDAS 图标面板工具条，点击Classifier图标→Classification菜单→Signature Editor菜单项，打开Signature Editor对话框分类模板编辑器第三步：获取分类模板信息(1)删除对分类意义不大的字段Signature Editor对话框菜单条,单击View|Columns命令，打开View signature columns对话框，点击最上一个字段的Co1unmn字段下拖拉直到最后一个段,此时，所有字段都被选择上，并用黄色（缺省色）标识出来。

按住shift 键的同时分别点击Red、Green、B1ue 三个字段,Red、Green、Blue三个字段将分别从选择集中被清除。

点击Apply按钮，点击Close按钮。

从View Signature Co1umns 对话框可以看到Red、Green、Blue 三个字段将不再显示。

(2)获取分类模板信息应用AOI绘图工具在原始图像中获取分类模板信息。

在待分类图像视窗上选择Raster菜单项→选择Tools菜单，打开Raster工具面板→点击Raster 工具面板的图标→在视窗中选择一类地物，绘制一个多边形AOI。

遥感图像分类 ---监督分类

遥感图像分类——监督分类地质系09资源勘查0910105025殷祥2012-5-19遥感图像分类——监督分类一、实验目的掌握在ERDAS中进行监督分类的操作方法；掌握对分类进行精度评估的方法。

二、实验内容1.定义分类模板（1）显示需要进行分类的图像。

在ERDAS中打开一个文件名为or_196560080.tif，在选择时，需要将进行操作，即将其勾上。

（2）打开模板编辑器并调整显示字段。

在ERDAS中，点击C1assifier/Signature Editor菜单项，出现Signature Editor对话框。

在其对话框下单击view中的column，在弹出的对话框中先将其全部选中，然后按住shift，拉住3,4,5行，如图所示，选好后点击apple，之后关闭，于是signature editor中的属性栏就少了之前的三个选项。

（3）获取分类模板信息利用AOI工具选择训练样区，将AOI区域加载到Signature分类模板中。

并定义该训练样区所代表的分类类别的名称（Signature Name）和该类别在分类后图像中的颜色（Color）。

重复上述操作过程以多选择几个区域AOI，并将其作为新的模板加入到Signature Editor当中，同时确定各类的名字及颜色。

如果对同一个专题类型（如水体）采集了多个AOI并分别生成了模板，可以将这些模板合并，以便该分类模板具多区域的综合特性。

具体是将AOI中的tools打开，用进行选择区，选中后，点击Signature Editor中的，多选择几处相同的物象，都进行相同的操作，接着将添加的相同物象进行合并，将前添加的选择，使用，接着，将之前的添加删除，即将他们选中，右击，在弹出的快捷菜单中选择delete selection，然后对合并项进行必要的编辑。

编辑完成之后的表如下图（4）保存分类模版信息。

点击File –save，保存文件到自己的文件夹下，名为jdfl.sig2.评价分类模板在对遥感影像做全面分类之前，对所选的训练区样本是否典型以及由训练区样本所建立起来的判别函数是否有效等问题并无足够的把握。

监督分类与非监督分类遥感实习

Maximum iterations为迭代次数
B、在Overlay下选择Classification，选择之前的非监督分类影像，对照原影像将10种类型进行编号并改名字，改变颜色；进行相同类别的合并：选择Classification中的分类后处理post classification，选择合并同类别Combine Classes，选择之前的非监督分类影像，在输入的文件中依次选择要合并的类，在输出的文件中选择相同的类别，点击Add Combination，所有的类别合并完后点击确定即可。
3.注意：此次实习内容的操作环境为ENVI Classic经典版，上机课上将演示新版本操作。同时此次实习内容为大作业中视频教程中省略的部分。
基本原理
1、监督分类：监督分类是在分类前人们已对遥感影像样本区中的类别属性有了先验知识，进而可利用这些样本类别的特征作为依据建立和训练分类器（亦即建立判别函数），进而完成整幅影像的类型划分，将每个像元归并到相对应的一个类别中去。也就是根据地表覆盖分类体系、方案进行遥感影像的对比分析，据此建立影像分类判别规则，最后完成整景影像的分类。监督分类的具体步骤：
3、最大似然分类法是基于概率论中每个像元存在属于所有类别的概率，假设各个类别训练数据都呈现关于类均值矢量和方差参数的n维高斯正态分布，根据像元矢量和上述假设可利用n维正态分布函数计算像元矢量属于各个类别的概率，比较各个类别的概率值，并将像元划归到概率最大的那个类别当中去。
4、分类混淆矩阵（误差矩阵）是指采用随机采样的方法获取一批地面参考验证点的信息作为真值，与遥感分类图进行逐像元比较。然后将结果归纳到混淆矩阵，进而完成混淆矩阵分析。其中结果分为类别精度与总精度，其中类别精度被正确分类的类别像元数占该类别训练样本像元数的百分比，包括生产者精度（制图精度）和用户精度，总精度是指被正确分类的总像元数占评价样本像元总数的百分比。

遥感图像监督分类

1.实验目的（1）学习和掌握使用遥感图像分类的基本原理、方法，明确分类的实际意义。

（2）掌握用ENVI软件对遥感图像进行有监督分类的方法，包括参数类算法和非参数类算法，并进行定性和定量的对比分析。

（3）理解和巩固基础知识，熟练动手操作的过程，提高综合分析问题的能力。

2.实验原理遥感图像分类处理主要是利用遥感图像像元间的相关性或在特征空间的不同聚集位置，找一种对图像像元的归并或在特征空间的划分方法，实现对图像像元的类别划分。

分类的目的就是从遥感图像中识别实际的地物类型，进而提取地物信息。

图像分类的依据通常是像元之间的相似性，相似性通常采用“距离”来度量，距离越小则相似度越大。

其中包括欧氏距离、马氏距离和余弦距离等。

根据是否需要事先提供已知类别及其训练样本，可将遥感图像分类方法划分为监督分类和非监督分类。

本次实验使用的监督分类则是事先已知地物类别的部分信息(类别的先验知识)，对未知类别的样本进行分类的方法。

其中监督分类的思想包括：（1）确定每个类别的样区（2）学习或训练（3）确定判别函数和相应的判别准则（4）计算未知类别的样本观测值函数值（5）按规则进行像元的所属判别主要的监督分类方法包括：参数类以及非参数类。

参数类包括距离判别函数和距离判别规则、最小距离分类法、平行六面体分类法、概率判别函数和贝叶斯判别规则、最大似然分类法。

非参数类包括神经网络、支持向量机（SVM）。

3.实验步骤（1）使用ENVI软件打开本次实验使用的多光谱图像，选择好RGB对应的波段后打开彩色图像。

（2）对彩色图像不同的区域进行ROI的选取，并保存ROI文件。

（3）选取好ROI之后进行分类，首先使用的分类方法是最大似然分类法，可以得到分类之后的图像。

（4）删除掉之前选取的ROI，重新导入真实地面的ROI。

（5）通过使用真实地面的ROI和第二步得到的分类结果图计算混淆矩阵，可以定量的求出总精度OA和Kappa系数。

（6）重复实验，并且使用另一种非参数的分类方法：支持向量机。

遥感实习遥感图像监督分类

实验五：监督分类与非监督分类一、实验目的采用监督分类对多光谱遥感图像进行分类，并对分类后的数据进行处理，处理方法包括：聚合（clump）处理、筛选（sieve）处理、并类（combine）处理，以及精度评估。

监督法分类需要用户选择作为分类基础的训练样区。

分析下面处理的分类结果，或者采用每个分类法默认的分类参数，生成自己的类，然后对分类结果进行比较。

我们将使用各种监督分类法，并对它们进行比较，确定单个具体像素是否有资格作为某类的一部分。

二、实验数据与原理美国科罗拉多州（Colorado）Canon市的Landsat TM 影像数据，其中包括can_tmr.img、can_tmr.hdr、can_km.img、can_km.hdr、can_iso.img、can_iso.hdr、classes.roi、can_pcls.img、can_pcls.hdr 、can_bin.img、can_bin.hdr 、can_sam.img、can_sam.hdr 、can_rul.img 、can_rul.hdr、can_sv.img、can_sv.hdr、can_clmp.img、can_clmp.hdr。

ENVI 提供了多种不同的监督分类法，其中包括了平行六面体（Parallelepiped）、最小距离法（Minimum Distance）、马氏距离法（Mahalanobis Distance）、最大似然法（Maximum Likelihood）、波谱角法（Spectral Angle Mapper）、二值编码法（Binary Encoding）以及神经网络法（Neural Net）。

三、实验过程：1、打开TM图像，File →Open Image File，选择ljs-can_tmr.img文件，在可用波段列表中，选择RGB Color 单选按钮，然后使用鼠标左键，顺次点击波段4、波段3 和波段2。

点击Load RGB 按钮，把该影像加载到一个新的显示窗口中。

遥感图像的监督分类实验报告

实验报告实验名称：遥感图像的几何校正课程名称：《遥感导论》教师：院系：矿业工程学院班级：姓名：遥感图像的监督分类实验报告一、实验目的理解遥感图像计算机分类的原理和方法；掌握监督分类的步骤和方法。

二、实验环境操作系统：windows 8.1软件：ENVI 4.3三、实验内容ERDAS软件中遥感图像监督分类实验步骤：1.训练样本的提取（ROI区的选择）ENVI: Basic Tools >> Region Of Interest>> ROI tool调出感兴趣区工具窗口进行样本选择（注意：必须事先打开一幅图像），可以进行样本编辑（名称，颜色，填充方式等），样本选择越精确，分类结果越好。

各类地物的解译标志，即地物明显的影像特征---色调、纹理等，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。

在实际的工作中，由于存在“同物异谱”的情况，因此对于同一种类型可能有多种不同的特征。

为此，我们可以对同一地物选择多个训练区，分类后再合并。

2.影像分类选择maximum likelihood 分类方法。

主菜单下选择Classification > Supervised > Smaximum likelihood 。

按照默认设置参数输出分类结果。

3.分类后处理分类后处理包括的很多的过程，都是些可选项，包括更改类别颜色、分类统计分析、小斑点处理（类后处理）、栅矢转换等操作。

（1)更改类别颜色可以在Interactive Class Tool 面板中，选择Option->Edit class colors/names 更改，也可以在Display->Color Mapping->Class Color Mapping。

如下图所示，直接可以在对应的类别中修改颜色。

分类统计分析主菜单->Classification->Post Classification->Class Statistics。

监督分类与非监督分类遥感实习

3、最大似然分类法是基于概率论中每个像元存在属于所有类别的概率，假设各个类别训练数据都呈现关于类均值矢量和方差参数的n维高斯正态分布，根据像元矢量和上述假设可利用n维正态分布函数计算像元矢量属于各个类别的概率，比较各个类别的概率值，并将像元划归到概率最大的那个类别当中去。
4、分类混淆矩阵（误差矩阵）是指采用随机采样的方法获取一批地面参考验证点的信息作为真值，与遥感分类图进行逐像元比较。然后将结果归纳到混淆矩阵，进而完成混淆矩阵分析。其中结果分为类别精度与总精度，其中类别精度被正确分类的类别像元数占该类别训练样本像元数的百分比，包括生产者精度（制图精度）和用户精度，总精度是指被正确分类的总像元数占评价样本像元总数的百分比。
Clump对话框Sieve对话框Majority对话框
【结果与分析3】：（clump—sieve—majority）请替换如下对比图并分析发生的变化
分类后影像clump后影像
【分析】：聚类处理将邻近的类似分类单元进行聚类合并，可以看到影像中比较小的地物被合并，但是也将一些比较孤立的地物被错分。
分类后影像sieve后影像
实验结果
1、监督分类：（请将前后对比图截图至此）
原始影像监督分类后影像
【分析】：
2.运用ISODATA方法进行非监督分类结果对比图：
监督分类影像非监督分类影像非监督分类合并后处理影像
【分析】：
存在问题与解决办法
1、在监督导致地物选取有很大的误差，城镇居民区、工业区选区不能有效地区分，裸地与砾石也比较难以辨别。
距离和变换分散度都是一种特征空间距离度量方法是指影像特征矢量与各个类中心的距离变换分散度是tdivercd1expdivercd8jm距离j21e3最大似然分类法是基于概率论中每个像元存在属于所有类别的概率假设各个类别训练数据都呈现关于类均值矢量和方差参数的n维高斯正态分布根据像元矢量和上述假设可利用n维正态分布函数计算像元矢量属于各个类别的概率比较各个类别的概率值并将像元划归到概率最大的那个类别当中去

遥感监督分类实验

测绘工程学院《遥感导论》实验六专业名称：海洋技术班级：海洋101 姓名：张丹学号：日期：2012/11/15 成绩：实验六、监督分类一、实验目的与要求实验目的：掌握监督分类的方法与过程，加深对监督分类方法的理解实验要求：掌握定义分类模板、评价分类模板、进行监督分类、评价分类结果、分类后处理的方法和原理，将实验过程中的实验成果相应的截图并粘贴到实验报告中。

二、实验准备软件准备：ERDAS遥感图像处理软件数据准备：需要监督分类的遥感图像三、实验内容与主要过程1.定义分类模板ERDAS IMAGINE的监督分类是基于分类模板来进行的，而分类模板的生成、管理、评价、和编辑等功能是由分类模板编辑器来负责的。

毫无疑问，分类模板生成器是进行监督分类一个不可缺少的组件。

在分类模板生成器中，生成分类模板的基础是原图像和（或）其特征空间图像。

因此，显示这两种图像的视窗也是进行监督分类的重要组件。

第一步：显示需要进行分类的图像图1-1 图像的视窗第二步：打开模板编辑器并调整显示字段ERDAS图标面板工具子，点击C1assifier目标→Classification菜单→Signature Editor菜单项→Signature Editor对话框从上图中可以看到有很多字段，有些字段对分类的意义下大，我们希望不显示这些这段，所以要进行如下调整：A、Signature Edit对话框菜单条：View→Columns→view signature columns对话框→点击最上一个字段的Co1unmn字段下拖拉直到最后一个段,此时，所有字段都被选择上，并用黄色（缺省色）标识出来。

图1-2 view signature columns对话框B、按住shift键的同时分别点击Red、Green、B1ue三个字段Red、Green、Blue三个字段将从选择集中被清除。

图1-3 Red、Green、Blue三个字段C、点击Apply按钮D、点击Close按钮从View Signature Co1umns对话框可以看到Red、Green、Blue三个字段将不再显示。

遥感图像处理实例分析03(监督分类、非监督分类)

遥感图像处理实例分析监督分类（supervised classification ）一、方法原理监督分类方法是多光谱图像专题信息分类的两种方法之一（另一种方法是非监督分类）.该方法是假设已经收集到多区域的地理图像，如Landsat TM 或 SPOT XS 卫星多谱图像(分类对其它类型的图像也有效）,具有实地野外属性分类或覆盖类型（如城区、水域、沼泽地等）的位置和特性数据（也可以通过航片分析得到），对该已知分类区域的光谱特性，通过分类程序,进行训练,将图像中每类区域的像素进行已知类的分配，对每一类计算多变量统计参数，如均值、标准差、相关距阵等，根据分类方法，最后将图像中每一个像素以最大然似性分配到某一类中。

即通过自定义的已知分类区域的训练，对多波段图像进行专题信息分类.方法流程如下:二、实例演示及分析以1985年美国加利福利亚州圣地亚哥地区的TM —MSS(0.55，0。

65，0。

75，0.95um4波段)图像为例，进行土地覆盖类型分类，分为海洋、城区、居民区、草坪和秃地等类型。

监督分类主要步骤如下：1．由原始遥感图像文件Landsat_Mass_Notwarped 。

ers 复制出用于分类的图像数据文件Landsat_practice.ers.① 通过主菜单算法图标或主菜单View 中Algorithm 项，打开算法窗口,装载数据集，文件名为：\examples\shared_data\Landsat_Mass_Notwarped.ers 。

选择训练区计算训练区统计量评价训练区统计量进行图像分类显示分类图像和精度计②复制3个假彩色层（现共有4个假彩色层)，分别命名为B1、B2、B3、B4，并与装载数据集文件的4个波段相对应。

③选择主菜单File中的Save As项，以Er Mapper Raster Dataset格式保存文件,文件名为：\examples\miscellaneous\tutorial\Landsatt_practice.ers。

遥感实习报告书监督分类

实习报告书实习三遥感图像的监督分类姓名：黄子寒专业：测绘工程班级： 2013015班学号：201301526实验日期： 2016.05 实验组号：1、实习目的1.理解遥感图像的监督分的含义；2.会使用ENVI软件对遥感图像进行监督分类。

2、操作步骤一监督分类（数据采用njtmcorrected）监督分类技术需要在执行以前事先定义训练分类器（training classes）, 训练分类器也可以用ENVI 感兴趣区（ROI）函数限定。

ENVI的监督分类技术包括平行六面体(平行管道)、最小距离、马氏距离、最大似然、波谱角度制图仪以及二进制编码方法1. “开始”->“程序”->RSI ENVI4.0->ENVI，打开ENVI4.0界面；2. 选择File > Open Image File.3. 当出现Enter Data Filename 对话框，选择要打开的文件名，再点击“OK”，在Available Bands List框里点击Load Band ，图像显示在图像显示窗口。

4. 选择“基本工具”－>感兴趣区－>ROI工具，弹出ROI Tool对话框。

5. 在ROI_Type菜单里选择建立感兴趣区的类型，可以选择Polygon、Polyline、point、Rectangle、Ellipse等类型。

6. 在Window栏里选择要建立感兴趣区的窗口，可以选择Image、Scroll、Zoom窗口。

之后可以在相应的窗口里绘制ROI区。

如若需要建立多个ROI区，可以点击New Region按钮，如若需要删除或编辑ROI区，可以分别点击Delete和Edit按钮。

最后保存建立的ROI区。

7. 选择Classification > Supervised > 需要的分类方法，建立相应的分类，并装载观察结果。

下面以Parallelepiped (平行六面体)分类方法为例，说明其过程：（1）选择Classification > Supervised > Parallelepiped，弹出Classification Input File对话框，选择要进行监督分类的图像文件。

envi遥感图像监督分类与非监督分类

envi遥感图像监督分类监督分类，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。

遥感影像的监督分类一般包括以下6个步骤，如下图所示：详细操作步骤第一步：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。

启动ENVI5.1，打开待分类数据：can_tmr.img。

以R:TM Band 5，G: TM Band 4，B：TM Band 3波段组合显示。

通过目视可分辨六类地物：林地、草地/灌木、耕地、裸地、沙地、其他六类。

第二步：样本选择（1）在图层管理器Layer Manager中，can_tmr.img图层上右键，选择"New Region Of Interest"，打开Region of Interest (ROI) Tool面板，下面学习利用选择样本。

1）在Region of Interest (ROI) Tool面板上，设置以下参数：ROI Name：林地ROI Color：2）默认ROIs绘制类型为多边形，在影像上辨别林地区域并单击鼠标左键开始绘制多边形样本，一个多边形绘制结束后，双击鼠标左键或者点击鼠标右键，选择Complete and Accept Polygon，完成一个多边形样本的选择；3）同样方法，在图像别的区域绘制其他样本，样本尽量均匀分布在整个图像上；4）这样就为林地选好了训练样本。

遥感影像监督分类

遥感影像监察分类一、实验目的经过使用学会对遥感图像的监察分类。

二、实验设施软件，计算机三、实验内容遥感影像监察分类，对每一类物体增添选用，进行分类。

四、实验步骤1、翻开软件，翻开文件，出现图像单击图像右键→toggle→DisplayscrollBars。

2、点击菜单栏basictools→regionofinterest→ROITOOL出现对话框↓单击zoom单击newregion新建六个分类，而且修更名称，分别是沙地、林地、草地、裸地、耕地、其余。

最后看一下分类结果，单→ok 对每一个分类进行选用，画地区右键选择，每一个选择十个左右。

击options→computeroiseparability↓selectallitems出现分类结果。

大图以下↓3、输出文件菜单栏点击classification→supervised→maximumlikelihood 出现下边对话框→点击none→choose→选择输出路径和文件名。

新建一个图，翻开保留的新图。

4、单击rol tool菜单栏里面的1.2.3.4.5.6.→start达成。

roiston-Dvisualizer→selectallitems→ok→5、单击roltool菜单栏里面的ROIs→翻开考证文件→单击菜单栏里面classification→postclassification→confusionmatris→usinggroundtruthROIs→自己的图→ok 出现下列图将matchedclasses中的选项都选入上边groundtruthroi里。

再将林地对应林地单击addcombination草地对应草地等所有选入。

单击ok出现结果，结果需要大于百分之八十五。

6、单击classification→postclassification→clumpclasses→selectallitems→choose文件路径，文件名。

→ok7、classification items→choose→postclassification文→classificationtovector→selectall件路径，文件名。

11.遥感图像监督分类

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：图1.1 监督分类步骤本课程以Landsat tm5数据Can_tmr.img为数据源，学习ENVI中的监督分类过程。

2.详细操作步骤第一步：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。

启动ENVI5.3，打开待分类数据：can_tmr.img。

以R:TM Band 5，G: TM Band 4，B：TM Band 3波段组合显示。

通过目视可分辨六类地物：林地、草地/灌木、耕地、裸地、沙地、其他六类。

第二步：样本选择（1）在图层管理器Layer Manager中，can_tmr.img图层上右键，选择"New Region Of Interest"，打开Region of Interest (ROI) Tool面板，下面学习利用选择样本。

1）在Region of Interest (ROI) Tool面板上，设置以下参数：∙ROI Name：林地∙ROI Color：图2.1 Region of Interest (ROI) Tool面板上设置样本参数2）默认ROIs绘制类型为多边形，在影像上辨别林地区域并单击鼠标左键开始绘制多边形样本，一个多边形绘制结束后，双击鼠标左键或者点击鼠标右键，选择Complete and Accept Polygon，完成一个多边形样本的选择；3）同样方法，在图像别的区域绘制其他样本，样本尽量均匀分布在整个图像上；4）这样就为林地选好了训练样本。

遥感实验：监督分类

实验四遥感图像的监督分类和非监督分类

envi遥感图像监督分类与非监督分类

遥感实验报告-监督分类

实习五 遥感图像的监督分类

实习9-遥感图像分类(一)监督分类

envi遥感图像监督分类与非监督分类

遥感图像分类---监督分类

遥感图像分类 ---监督分类

监督分类与非监督分类遥感实习

遥感图像监督分类

遥感实习遥感图像监督分类

遥感图像的监督分类实验报告

监督分类与非监督分类遥感实习

遥感监督分类实验

遥感图像处理实例分析03(监督分类、非监督分类)

遥感实习报告书 监督分类

envi遥感图像监督分类与非监督分类

遥感影像监督分类

11.遥感图像监督分类

实习五遥感图像的监督分类

遥感实习报告书监督分类