监督分类与非监督分类汇总教材

操作步骤

一、监督分类：

1、选取研究区数据（512×512或者1024×1024），结合GoogleEarth影像通过目视解译建立分类系统及其编码体系；

编码体系如下：

编码地物名称色调

12 水浇地irrigated land R225 G225 B150

30 草地grassland R170 G190 B030

51 河流stream R150 G240 B255

52 水库、坑塘reservoir or pond R160 G205 B240

71 沙漠sandy desert R200 G190 B170

72 砾漠 gravel desert R215 G200 B185

73 裸地及盐碱地barren land R200 G205 B200

2、按照监督分类的步骤，在影像上找出对应各个土地利用/覆盖类型的参考图斑，利用ROI工具建立训练区：

训练样本如下：

对训练样本进行统计，结果如下：

ban d7 241388.

72

320377.

44

538052.

43

808207.

37

1071346

.47

1460959

.07

1327725

.27

相关系数矩阵

ban

d1

1.00 0.99 0.97 0.93 0.83 0.69 0.76

ban

d2

0.99 1.00 0.98 0.95 0.86 0.72 0.79

ban

d3

0.97 0.98 1.00 0.99 0.92 0.79 0.86

ban

d4

0.93 0.95 0.99 1.00 0.97 0.85 0.90

ban

d5

0.83 0.86 0.92 0.97 1.00 0.93 0.95

ban

d6

0.69 0.72 0.79 0.85 0.93 1.00 0.99

ban

d7

0.76 0.79 0.86 0.90 0.95 0.99 1.00 3、对所选ROI样本进行可分离性评价，结果如下：

JM值统计表：

Jeffries-Matusita

30 12 51 52 71 72 73

30草地 1.999 1.999 2.000 1.999 1.998 1.998

12水浇

地

1.999 1.999

2.000 2.000 2.000 2.000

51河流 1.999 1.999 1.995 2.000 2.000 2.000 52水库 2.000 2.000 1.995 1.993 2.000 2.000

71沙漠 1.999 2.000 2.000 2.000 1.999 1.999

72砾漠 1.998 2.000 2.000 2.000 1.999 1.896

73裸地 1.999 2.000 2.000 2.000 1.999 1.896

分离散度统计表：

Transformed Divergence

30 12 51 52 71 72 73

30草地 1.941 2.000 1.785 2.000 2.000 2.000

12水浇

2.000 2.000 2.000 2.000 2.000 2.000

地

51河流 2.000 2.000 1.980 2.000 2.000 2.000

52水库 2.000 2.000 2.000 2.000 2.000 2.000

71沙漠 2.000 2.000 2.000 2.000 2.000 1.999

72砾漠 2.000 2.000 2.000 2.000 2.000 2.000

73裸地 2.000 2.000 2.000 2.000 2.000 2.000

分析上述可分性度量矩阵可知，各地物间JM值均在1.8以上，因此可以有效的对各地物进行区分，因此所选ROI样本很适合与此监督分类。

4、利用最大似然法对影像数据完成监督分类。

最大似然法分类后结果如下：

汇总结果，可知：

对以上分类混淆矩阵及Kappa系数结果进行分析可知，分类混淆矩阵中错分误差与漏分误差均较小且分类后Kappa系数为0.9190，总体而言，分类结果较好。

5、分类后处理（clump—sieve—majority）：对分类后影像分别依次进行clump、sieve、majority处理，结果如下：

Clump后：

Sieve后：

Majority后：

对非监督分类后结果进行精度评价，结果如下：

由此精度评价结果可知，非监督分类后，影像分类总体精度为74.6265%，Kappa系数为0.6060，总体而言，影像分类效果略差，不能满足影像分析及制图需要。