ENVI中监督分类方法及参数说明

ENVI 中监督分类方法及参数说明(2011-10-10 09:56:27)

标签：

转载

分类：ENVI/IDL学习

原文地址：ENVI中监督分类方法及参数说明作者：ENVIIDL

根据分类的复杂度、精度需求等选择一种分类器。在主菜单->Classification-> Supervised->分类器类型（如表 6.1），此外还包括应用于高光谱数据的波谱角（Spectral Angle Mapper Classification）、光谱信息散度（Spectral Information Divergence Classification）和二进制编码（Binary Encoding Classification）分类方法。

分类器说明

平行六面体（Parallelpiped）根据训练样本的亮度值形成一个n维的平行六面体数

据空间，其他像元的光谱值如果落在平行六面体任何一

个训练样本所对应的区域，就被划分其对应的类别中。

平行六面体的尺度是由标准差阈值所确定的，而该标准

差阈值则是根据所选类的均值求出。

最小距离（Minimum Distance）利用训练样本数据计算出每一类的均值向量和标准差

向量，然后以均值向量作为该类在特征空间中的中心位

置，计算输入图像中每个像元到各类中心的距离，到哪

一类中心的距离最小，该像元就归入到哪一类。

马氏距离（Mahalanobis Distance）计算输入图像到各训练样本的马氏距离（一种有效的计

算两个未知样本集的相似度的方法），最终统计马氏距

离最小的，即为此类别。

最大似然

（Likelihood Classification）假设每一个波段的每一类统计都呈正态分布，计算给定像元属于某一训练样本的似然度，像元最终被归并到似然度最大的一类当中。

神经网络

（Neural Net Classification）指用计算机模拟人脑的结构，用许多小的处理单元模拟生物的神经元，用算法实现人脑的识别、记忆、思考过程应用于图像分类。

支持向量机

（Support Vector Machine Classification）支持向量机分类（SVM）是一种建立在统计学习理论（Statistical Learning Theory或SLT）基础上的机器学习方法。SVM可以自动寻找那些对分类有较大区分能力的支持向量，由此构造出分类器，可以将类与类之间的间隔最大化，因而有较好的推广性和较高的分类准确率。

1. 平行六面体

（1）在主菜单中，选择Classification->Supervised->Parallelpiped，在文件输入对话框中选择TM分类影像，单击OK按钮打开Parallelpiped参数设置面板（图6.4）。

（2）SelectClasses from Regions：单击Select All Items按钮，选择全部的训练样本。（3）Set Max stdev from Mean：设置标准差阈值，有三种类型：

l None：不设置标准差阈值；

l Single Value：为所有类别设置一个标准差阈值；

l Multiple Values：分别为每一个类别设置一个标准差阈值。

选择Single Value，值为3。

（4）单击Preview，可以在右边窗口中预览分类结果，单击Change View可以改变预览区域。

（5）选择分类结果的输出路径及文件名。

（6）设置Out Rule Images为Yes，选择规则图像输出路径及文件名。

（7）单击OK按钮执行分类。

图6.4 平行六面体分类器参数设置面板

2. 最小距离

（1）在主菜单中，选择Classification->Supervised-> Minimum Distance，在文件输入对话框中选择TM分类影像，单击OK按钮打开Minimum Distance参数设置面板（图6.5）。（2）SelectClasses from Regions：单击Select All Items按钮，选择全部的训练样本。（3）Set Max stdev from Mean：设置标准差阈值，有三种类型：

l None：不设置标准差阈值；

l Single Value：为所有类别设置一个标准差阈值；

l Multiple Values：分别为每一个类别设置一个标准差阈值。

选择Single Value，值为4。

（4）Set Max Distance Error：设置最大距离误差，以DN值方式输入一个值，距离大于该值的像元不被分入该类（如果不满足所有类别的最大距离误差，它们就不会被归为未分类类(unclassified)）。也有三种类型，这里选择None。

（5）单击Preview，可以在右边窗口中预览分类结果，单击Change View可以改变预览区域。

（6）选择分类结果的输出路径及文件名。

（7）设置Out Rule Images为Yes，选择规则图像输出路径及文件名。

（8）单击OK按钮执行分类。

图6.5 最小距离分类器参数设置面板

3. 马氏距离

（1）在主菜单中，选择Classification->Supervised-> Mahalanobis Distance，在文件输入对话框中选择TM分类影像。单击OK按钮打开Mahalanobis Distance参数设置面板（图6.6）。

（2）SelectClasses from Regions：单击Select All Items按钮，选择全部的训练样本。（3）Set Max Distance Error：设置最大距离误差，以DN值方式输入一个值，距离大于该值的像元不被分入该类（如果不满足所有类别的最大距离误差，它们就不会被归为未分类类(unclassified)）。也有三种类型，这里选择None。

（4）单击Preview，可以在右边窗口中预览分类结果，单击Change View可以改变预览区域。

（5）选择分类结果的输出路径及文件名。

（6）设置Out Rule Images为Yes，选择规则图像输出路径及文件名。

（7）单击OK按钮执行分类。