《lk实习四：非监督分类》由会员分享，可在线阅读，更多相关《lk实习四：非监督分类（6页珍藏版）》请在金锄头文库上搜索。
1、实习四、非监督分类姓名：傅晓峰班级：10504班序号 6一、实习目的： 了解并掌握非监督分类的过程和方法二、实习说明： 非监督分类是另一种图像分类技术。在非监督分类方法中,图像中的主导光谱反射形式被提取出来,然 后通过地面实况调查来判别这些信息类所对应的实际地物类型。在 IDRISI for Windows 中用于非监督分 类的两个模块是聚类和迭代自组织聚类。聚类使用直方图峰值选择技术。这相当于在一个一维直方图上寻找峰值（峰值是比两侧值频率都高的 地方）。一旦峰值被确定,所有可能的值将分给离它最近的峰。两类的分界线一般都落在两个峰之间的中点。 关于什么是一个峰,这个技术有它特定的判别标准,所以
2、你不需要预先估计（象一些其他技术所需要的）一 个图像含有的类数-它会自动确定类数。非监督分类（聚类）中初始类别参数的选择方法除了直方图峰值定心法外，总体直方图均匀定心法， 最大最小距离选心法。聚类可以直接处理3个波段的彩色合成图像。聚类模块评估彩色合成中提供的3个波段图像的3维直 方图。任何波段组合的彩色合成图像均可用于聚类。如我们在主成分分析中看到的，近红外、红色和绿色 波段（标准假彩色合成）含有七波段数据集中的绝大部分信息。所以在本练习中我们将使用这3个波段。三、基于聚类的非监督分类：1、图像处理图像增强彩色合成。指定H0W87TM2作为”蓝”波段，指定H0W87TM3作为”绿”波 段，指
3、定HOW87TM4作为”红”波段。（注意，我们没有使用蓝色可见光波段。而且其他使用的波段 也被移植了。这就是为什么叫假彩色合成的原因）。选择饱和度为2.5%的线性拉伸。选择output type -creat 8-bit composite拉伸时不剔除0。称结果图像为TMFC。彩色合成处理过程较慢。结果将 被用彩色合成调色板显示。问题1：在彩色合成图像中，可以识别出哪几类地物，它们在图像上的特征分别是什么？ 答：可识别出植被：呈红色，反射率高，面积最大；城区：有规则的分布；道路：呈线状；湖泊：呈黑色, 反射率低，呈封闭多边形。2、显示显示用户设置，在地图缺省下选择标题和图例。确认自动显示也被选
4、择。从图像处理硬分 类器聚类（cluster）中指定TMFC作为彩色合成图像的名字并给结果图像取名为BROAD。然后选 择粗略broad）综合化程度，选择剔除最不显著的聚类，给图像输入一个标题：粗略非监督分类。结 果图像BROAD将被用非连续256调色板显示。按住shift键的同时，用鼠标左击图例中的各类别， 查看各类别的分布。这是一个光谱类很粗略的图像。粗略的综合化程度和精确的综合化程度选项在 评估频率直方图寻找峰值时使用不同的决策规则。在粗略聚类中,一类中必须含有一个比它的非对 角邻值都高的频率值。问题2：粗略聚类将待分类区的地物分成几类？请根据你的经验为某些类别赋予实际类别名称。答：六类
5、。 1：植被， 4：湖泊， 5：道路和城市。3、再运行一次聚类模块，输入TMFC作为彩色合成图像,给结果命名为FINE。这一次，使用精确(fine) 综合程度并选择剔除最不显著的聚类。结果将被用非连续256调色板显示并带图例。可以看出，精 确的综合程度化产生了更多的类。滚动下拉屏幕上的图例或增大图例框看出有多少个聚类。问题 3：精确聚类将待分类区的地物分成几类？与粗略分类相比类别数增加了多少？请同样根据你的 经验为某些类别赋予实际类别名称答：23 类。增加了17 类。 10：湖泊。Cluster 4Cluster 5Cluster 6Cluster 7Cluster 8Cluster 9Clu
6、ster 10Cluster 11Cluster 12Cluster 13Cluster 14Cluster 15Cluster 16Cluster 17 r h i -1 sJ精确分类允许有一个非对角邻值有较高的频率。这就包含了另外一些真正的峰由于更大级别的峰使得两峰之间通常出现的谷不明显,这些峰被与两峰之间的斜坡混淆。这个概念可用下图中方图模块，产生图像BROAD和FINE的直方图。聚类1总是有最高频率像元的类。它对应于分类中发 现的最大地物类型。第二个聚类有较小数目的像元，依次类推。我们现在面临的问题是如何解释这些类。如果你了解一个地区,粗略聚类易于解译。而对精确 聚类解译则比较困难。通
7、常需要借助地图。航空像片和实况调查来确定这些精确聚类产生的类对 应的地物类型。另外,我们会经常发现需要合并某些类以产生最后的分类图。例如,我们可能发现 聚类中的一类代表阳坡的森林,另一个类为同一类森林,只是分布在阴坡上。要归并这样的类我们 可以使用赋值模块。5、使用用户定义的WORCWEST调色板显示带图例的WORCWEST。这是一副类别合并后的赋予了实际地物 类型的图像，我们将把精确分类得到的聚类图像与实际地物类型（WORCWEST图）匹配。问题4： WORCWEST中共有多少类地物？它们各是什么地物？答：14类，它们分别是水，三种不同的落叶，两类针叶树，草地，农田，城市住宅区,，城市社区，
8、 两种人行道，砾石滩，荒地。6、 运行分析统计交叉（CrossTab），比较WORCWEST和FINE，看FINE中的类型是如何被归并产生 WORCWEST的，输入WORCWEST作为第一个输入图像,FINE作为第二个输入图像。指定一个交叉制表表 格作为输出，接受其余的缺省参数。待结果显示后，滚动页面以查看全表，也可以打印该表使检验更 为容易。现在我们要搞清FINE中的23个类应怎样合并以与WORCWEST中的14个类匹配。注意有些聚 类被分到两个不同的土地使用类型中。在一个聚类被分到两个土地利用类型中的情况下，选择把整 个聚类分给包含较大数目像元的类型。实际工作中， 这种分配也将由其他考虑（
9、如额外的地面实框 资料）来决定。问题5：写出fine中的类别与WORCWEST中的类别的对应关系 答：对应关系为：12，23，37，44，55，611，711，87，97，101，118，1212，139，149 ,15-9,16-12,17-10,18-6,19-10,20-13,21-14,22-10,23-107、运行DataEntryEdit,产生一个用于相似归并的数值文件，文件类型选择：Value file，数值文 件名为：fine,确定，弹出菜单中第一列输入fine文件的类别号，第二列输入对应的WORCWEST中 的类别（参考问题5的回答，两列间输入一空格）。保存，退出。8、运行D
10、ataEntryAssign,看你是否能产生一个与WORCWEST接近的新图像。称该图像为REGRP2。 这样做的目的是演示用赋值模块进行重新归组的处理过程，特征定义图像输入fine，值文件输入 fine。结果将被用非连续256调色板显示。在图层特性中，对REGRP2应用WORCWEST调色板。问题6： REGRP2图像看上去是否与WORCWEST图像相似?描述并解释对fine图像重新归组的实质。（例如： 你需要产生的最大组是什么？，相似的类别合并等）答：是。需要产生的最大组是14,然后把相似的类别进行合并。5623I111111111111111111111regrp29、编辑图例，把WORCWEST中的各土地利用类型的名字赋给fine的各聚类。步骤如下:用鼠标指向待 编辑的图例类别的颜色框，按下SHIFT键并按压鼠标右钮。此时将出现一个图例编辑对话框，它允许 你编辑图例题目和修改图例颜色。给各聚类以他们对应的土地覆被类型的名字。如果你愿意 ，按 WORCWEST调色板改变图例颜色。Wat er:水体；Deciduous:阔叶林；Conifer:针叶林 Grass/Suburb:草地/市郊；Agricuture:农业用的（耕地） Urban Resid:城市居民地；Urban Comm:城市社区； Pavement:人行道；Gravel:砾石滩；Barren:荒地
