监督分类和非监督分类
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
影像的分类可分为监督与非监督分类。监督分类器根据其原理有基于传统统计分析的、基于神经网络的、基于模式识别的等。
本专题以ENVI的监督与非监督分类的实际操作为例,介绍这两种分类方
法。有以下内容组成:
∙ ∙ ●非监督分类
∙ ∙ ●监督分类
∙ ∙ ●分类后处理
非监督分类
非监督分类:也称为聚类分析或点群分类。在多光谱图像中搜寻、定义其自然相似光谱集群的过程。它不必对影像地物获取先验知识,仅依靠影像上不同类地物光谱(或纹理) 信息进行特征提取,再统计特征的差别来达到分类的目的,最后对已分出的各个类别的实际属性进行确认。
目前比较常见也较为成熟的是ISODATA、K-Mean和链状方法等。遥感影像
的非监督分类一般包括以下6个步骤:
图1 非监督分类操作流程
1、影像分析
大体上判断主要地物的类别数量。一般监督分类设置分类数目比最终分类数量要多2-3倍为宜,这样有助于提高分类精度。
本案例的数据源为ENVI自带的Landsat tm5数据Can_tmr.img,类别分为:林地、草地/灌木、耕地、裸地、沙地、其他六类。确定在非监督分类中的类别数
为15。
2、分类器选择
目前非监督分类器比较常用的是ISODATA、K-Mean和链状方法。ENVI
包括了ISODATA和K-Mean方法。
ISODATA(Iterative Self-Orgnizing Data Analysize Technique)重复自组织数据分析技术,计算数据空间中均匀分布的类均值,然后用最小距离技术将剩余像元进行迭代聚合,每次迭代都重新计算均值,且根据所得的新均值,对像元进
行再分类。
K-Means使用了聚类分析方法,随机地查找聚类簇的聚类相似度相近,即中心位置,是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的,然后迭代地重新配置他们,完成分类过程。
3、影像分类
打开ENVI,选择主菜单->Classification->Unsupervised->IsoData或者K-Means。这里选择IsoData,在选择文件时候,可以设置空间或者光谱裁剪区。这里选择软件自带的Can_tmr.img,按默认设置,之后跳出参数设置,如图
2。
这里主要设置类别数目(Number of Classes)为5-15、迭代次数(Maximum Iteration)为10。其他选项按照默认设置,输出文件。
图2 ISODATA非监督分类参数设置
图3 ISODATA分类结果
4、类别定义/类别合并
1)类别定义
在display中显示原始影像,在display->overlay->classification,选择ISODATA分类结果,如图4所示,在Interactive Class Tool面板中,可
以选择各个分类结果的显示。
图4影像与分类结果的叠加
Interactive Class Tool面板中,选择Option->Edit class
colors/names。通过目视或者其他方式识别分类结果,填写相应的类型名称和颜色。
图5 类别定义
如图6所示为最终的结果。
图6类别定义结果
在类别定义时候,可以利用Mode:Polygon Add to Class、Edit->Mode:Polygon Delete from Class或者Set delete class value把很明显的错误分
类结果并入或者删除。
2)类别合并
选择主菜单->Classification->Post Classification ->Combine Classes。把同一类的类别合并成一类,如图7所示。在点击ok后,需要选择输出文件和Remove Empty Class选择YES,可以得到结果。
图7类别的合并
5、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8所示,直接可以在对应的类别中修改颜色。
也可以根据一个显示的RGB影像来自动分配类别颜色,打开主菜单->Classification->Post Classification->Assign Class Colors。
图8 类别颜色的更改
图9 类别颜色更改后的效果
图10 自动颜色更改的效果图
2)分类统计分析
主菜单->Classification->Post Classification->Class Statistics。如图11所示,包括基本统计:类别的像元数、最大最小值、平均值等,直方图,
协方差等信息。
图11 分类结果统计
3)小斑点处理(类后处理)
运用遥感影像分类结果中,不可避免地会产生一些面积很小的图斑。无论从专题制图的角度,还是从实际应用的角度,都有必要对这些小图斑进行剔除和重新分类,目前常用的方法有Majority/Minority分析、聚类(clump)和过滤(Sieve)和。这些工具都可以在主菜单->Classification->Post Classification中找到。Majority/Minority分析和聚类(clump)是将周围的“小斑点”合并到大类当中,过滤(Sieve)是将不符合的“小斑点”直接剔除。
如下图12为Majority分析的结果。