遥感图像的分类实验报告

一、实验名称

遥感图像的监督分类与非监督分类

二、实验目的

理解遥感图像监督分类及非监督分类的原理；掌握用ENVI对影像进行监督分类和非监督分类的方法，初步掌握图像分类后的相关操作；了解整个实验的过程以及实验过程中要注意的事项。

三、实验原理

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。

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。

四、数据来源

本次实验所用数据来自于国际数据服务平台；landsat4-5波段30米分辨率TM 第三波段影像，投影为WGS-84，影像主要为山西省大同市恒山地区，中心纬度：

38.90407 中心经度：113.11840。

鉴于实验内容及图像大小等问题，故从一景TM影像中裁取一个含有较丰富地物信息区域作为待分类影像。

五、实验过程

1.监督分类

1.1打开并显示影像文件，选择合适的波段组合加载影像

打开并显示TM影像文件，从ENVI 主菜单中，选择File →Open Image File选择影像，为了更好地区分不同地物以及方便训练样本的选取，选择5、4、3波段进行相关操作，点击Load Band 在主窗口加载影像。

1.2使用感兴趣区（ROI）工具来选择训练样区

1）主影像窗口菜单栏中，选择 Overlay >Region of Interest。出现ROI Tool对话框，

2）根据不同的地物光谱特征，在图像上画出包含该类地物的若干多边形区域，建立相应的感兴趣区域，输入对应的地物名称，更改感兴趣区对应的显示色彩。

由于该地区为山西省北部，地物相对单一，故分为以下几类：裸地、草地、灌木林、农田、水体、人类活动区、云层，阴影。

1.3选择分类方法进行分类

1）主菜单中，选择Classification>Supervised，在对应的选项菜单中选择分类方法，对影像进行分类。以最小距离法（Minimum Distance）为例进行说明。选择Minimum Distance选项，出现Classification Input File对话框，在该对话框中选择待分类图像。

2）在出现的Minimum Distance Parameters对话框中，select Ttems选择训练样本，

定义相关参数，选择输出路径。

点击ok完成分类，结果如图：

2.非监督分类

非监督分类方法有K-均值分类法及ISOData( 重复自组织数据分析技术)，本次实验报告以K-均值分类方法为例进行说明。

1）主菜单中 , 选择 Classincation>Unsupervised>K-Means。在Classification Input File对话框中选择待分类影像文件。

2）在K-Means Parameters对话框中定义相关参数，其中，可定义参数有：分类类别数，像元变化阈值，用于分类的最多迭代次数以及可选的距离阈值。

选择结果输出位置，点击OK完成分类。

3.分类后处理

我们需要对分类后的影像进行后处理，评价其分类的精度，这里以监督分类结果为例进行说明。

3.1更改类别名称及颜色

主图像窗口，Overlay->classification,出现Select Input file对话框，选择分类结果，点击OK。

在Interactive Class TOOL对话框的option下拉菜单中选择Edit colors/names选项，在弹出的对话框中选择类别更改其名称颜色。

3.2分类结果微调包括删除或者合并小斑点。

1）将要修改的类别置于激活状态，点击Edit下拉菜单，选择Mode :polygon Add to class 将分类错误的点与周围区域点合并。

选择Mode :polygon delete from class将错误点剔除。

2）主菜单classification->Post classification->sieve classes打开sieve parameters对话框，选择训练样本，及最小剔除像素，选择输出位置，完成操作。图为采用八联通域将像素小于5的点删除。

3.3混淆矩阵精度验证

1）选取验证样本，与监督分类操作类似，选择不同的感兴趣区域，保存ROI,作为选择训练样本。

2）进行精度验证，主菜单classification->Post classification->Using Ground Truth ROI，选择分类图像。

对应分类结果和验证样本

点击ok得到精度验证结果。

3.4分类统计

主菜单classification->Post classification->class statistics，在弹出的对话框中输入分类结果,点ok下一个对话框输入原图像ok。

在弹出的select classes对话框中选择训练样本。

选择输出显示类型，点击ok得到统计结果。

3.5分类结果转换为矢量

主菜单classification->Post classification-> classification to vector,弹出对话框中选择分类结果影像。

选择训练样本及矢量文件输出位置，点击ok完成矢量化。