《项目七任务二、遥感图像监督分类【稻谷书店】》由会员分享，可在线阅读，更多相关《项目七任务二、遥感图像监督分类【稻谷书店】（32页珍藏版）》请在金锄头文库上搜索。
1、项目七项目七 遥感图像分类遥感图像分类处理处理主讲：王冬梅主讲：王冬梅电话：电话：15937861958E-Mail: 1专业课一、监督分类的思想一、监督分类的思想 监督分类是监督分类是一种先识别后分类一种先识别后分类的方法。该方法首先要的方法。该方法首先要进行进行分类训练分类训练，即选择一些有代表性的实验样区，用样区，即选择一些有代表性的实验样区，用样区内的各种地物的光谱特征来训练计算机，使计算机取得识内的各种地物的光谱特征来训练计算机，使计算机取得识别分类判别规则的先验知识，再根据这些先验知识来对未别分类判别规则的先验知识，再根据这些先验知识来对未知类别像素进行分类识别。知类别像素进行分类
2、识别。即是利用已知地物的信息对未即是利用已知地物的信息对未知地物进行分类的方法。知地物进行分类的方法。任务二任务二 遥感图像监督分类遥感图像监督分类2专业课二、监督分类的分类算法二、监督分类的分类算法 监督分类的分类算法：监督分类的分类算法：参数型和非参数型参数型和非参数型。参数型分类算法参数型分类算法假设一个特定的类别的统计分布一般为正假设一个特定的类别的统计分布一般为正态分布，然后估计这个分布的参量，以用于分类算法中。态分布，然后估计这个分布的参量，以用于分类算法中。非参数型分类算法非参数型分类算法则对类的分布不做假设。则对类的分布不做假设。参数型分类算法：参数型分类算法：最大似然法最大似
3、然法、最小距离法最小距离法和决策树分类和决策树分类法等。法等。非参数型分类算法：特征空间和非参数型分类算法：特征空间和平行六面体法平行六面体法等。等。任务二任务二 遥感图像监督分类遥感图像监督分类3专业课二、监督分类的分类算法二、监督分类的分类算法 （一）参数型分类算法（一）参数型分类算法 最大似然法是基于贝叶斯准则的分类错误概率最小的最大似然法是基于贝叶斯准则的分类错误概率最小的一种非线性分类，是最常用的分类方法之一，该方法假设一种非线性分类，是最常用的分类方法之一，该方法假设遥感图像中每一个波段都近视服从正态分布，逐点计算图遥感图像中每一个波段都近视服从正态分布，逐点计算图像中的每个像元数
4、据与每一个给定的像中的每个像元数据与每一个给定的似然度似然度，然后把像元，然后把像元分到似然度最大的类别中去的方法。分到似然度最大的类别中去的方法。1.最大似然法（最大似然法（Maximum Likelihood Classifier）任务二任务二 遥感图像监督分类遥感图像监督分类4专业课二、监督分类的分类算法二、监督分类的分类算法 （一）参数型分类算法（一）参数型分类算法 它的基本原理：用特征空间中的距离表示像元数据和它的基本原理：用特征空间中的距离表示像元数据和分类类别特征的相似程度，在利用训练数据获得了各个类分类类别特征的相似程度，在利用训练数据获得了各个类别的特征参数后，对于一个未知像
5、元，首先计算它与各个别的特征参数后，对于一个未知像元，首先计算它与各个类别特征向量或代表向量的距离，然后比较距离的大小，类别特征向量或代表向量的距离，然后比较距离的大小，把未知像元归并到距离最小（相似度最大）的类别中去。把未知像元归并到距离最小（相似度最大）的类别中去。2.最小距离法（最小距离法（Minimum Distance Classifier）任务二任务二 遥感图像监督分类遥感图像监督分类5专业课二、监督分类的分类算法二、监督分类的分类算法 （二）无参数型分类算法（二）无参数型分类算法 在多光谱遥感数据构成的光谱空间中，各项训练区样在多光谱遥感数据构成的光谱空间中，各项训练区样本的特征
6、向量分别产生各自的平行四边形，每一个平行四本的特征向量分别产生各自的平行四边形，每一个平行四边形为一类，平行四边形的中心是训练区样本类的均值向边形为一类，平行四边形的中心是训练区样本类的均值向量，平行四边形的边界由样本类的标准差乘以分类者确定量，平行四边形的边界由样本类的标准差乘以分类者确定的乘数来限定。像素落在哪个平行四边形就属于哪一类，的乘数来限定。像素落在哪个平行四边形就属于哪一类，落在外面的像素被标识为落在外面的像素被标识为“未分类未分类”。1.平行六面体法（平行六面体法（Parallelepied）任务二任务二 遥感图像监督分类遥感图像监督分类6专业课三、监督分类的分类步骤三、监督分
7、类的分类步骤 监督分类的监督分类的分类步骤：分类步骤：1.1.定义分类模板。主要是精确确定训练区样本。定义分类模板。主要是精确确定训练区样本。2.2.评价分类模板。以训练区样本为对象，选择监督分类算法评价分类模板。以训练区样本为对象，选择监督分类算法计算分类模板的分类精度，满足精度则进行下一步；若不满计算分类模板的分类精度，满足精度则进行下一步；若不满足精度，则根据计算的结果并重新采样修改分类模板，然后足精度，则根据计算的结果并重新采样修改分类模板，然后重新进行分类模板的评价直到满足分类模板精度的要求。重新进行分类模板的评价直到满足分类模板精度的要求。3.3.执行监督分类。按选择的监督分类算法
8、和规则进行分类。执行监督分类。按选择的监督分类算法和规则进行分类。4.4.评价分类结果。评价分类结果。任务二任务二 遥感图像监督分类遥感图像监督分类7专业课1.1.定义分类模板。定义分类模板。第一步：显示需要分类的遥感图像。第一步：显示需要分类的遥感图像。 定义分类模板的操作包括分类模板的生成、管理和定义分类模板的操作包括分类模板的生成、管理和编辑等，这些操作都需要在分类模板的编辑器完成的。编辑等，这些操作都需要在分类模板的编辑器完成的。8专业课1.1.定义分类模板。定义分类模板。第二步：打开分类模板编辑器。第二步：打开分类模板编辑器。9专业课1.1.定义分类模板定义分类模板第三步：调整分类编
9、辑器中属性字段表。第三步：调整分类编辑器中属性字段表。10专业课1.1.定义分类模板定义分类模板第四步：获取分类模板信息。第四步：获取分类模板信息。11专业课1.1.定义分类模板定义分类模板第五步：保存分类模板。第五步：保存分类模板。12专业课2.评价分类模板评价分类模板 分类模板建立后，就可以对其进行评价、删除、更名、分类模板建立后，就可以对其进行评价、删除、更名、与其他分类模板合并等操作。与其他分类模板合并等操作。 分类模板的评价工具包括：分类模板的评价工具包括：分类预警（分类预警（Alarms）、可能、可能性矩阵（性矩阵（Contingency Matrix）、特征对象（）、特征对象（F
10、eature Obiects）、特征空间到图像掩膜（）、特征空间到图像掩膜（Feature Space to Image Masking）、直方图方法（）、直方图方法（Histograms）、分离性分析）、分离性分析（Separability）和分类统计分析（）和分类统计分析（Statistics）等。）等。13专业课2.评价分类模板评价分类模板（1 1）分类预警评价）分类预警评价第第1步：产生分类预警掩膜。步：产生分类预警掩膜。14专业课第第2步：删除分类预警掩膜步：删除分类预警掩膜2.评价分类模板评价分类模板（1 1）分类预警评价）分类预警评价15专业课3.3.执行监督分类执行监督分类 监
11、督分类实质上就是依据所建立的分类模板，在一定监督分类实质上就是依据所建立的分类模板，在一定的分类算法条件下，对图像像元进行聚类判断的过程。的分类算法条件下，对图像像元进行聚类判断的过程。16专业课4.4.评价分类结果评价分类结果 执行了监督分类之后，需要对分类效果进行评价，执行了监督分类之后，需要对分类效果进行评价，ERDAS系统提供了多种分类评价方法，包括分类叠加系统提供了多种分类评价方法，包括分类叠加（Classification Overlay）、定义阈值（）、定义阈值（Thresholding)、分、分类重编码（类重编码（Record Classes）和）和精度评估精度评估等。等。17
12、专业课4.4.评价分类结果评价分类结果第1步：打开原始图像分类精度评估分类精度评估18专业课4.4.评价分类结果评价分类结果第2步：启动精度评估对话框分类精度评估分类精度评估19专业课第第3步：打开分类专题图像步：打开分类专题图像4.4.评价分类结果评价分类结果分类精度评估分类精度评估20专业课第4步：将原始图像视窗与精度评估视窗相连接4.4.评价分类结果评价分类结果分类精度评估分类精度评估21专业课第5步：在精度评价对话框中设置随机点的色彩4.4.评价分类结果评价分类结果分类精度评估分类精度评估22专业课第6步：产生随机点4.4.评价分类结果评价分类结果23专业课第7步：显示随机点及其类别4
13、.4.评价分类结果评价分类结果24专业课第8步：输入参考点的实际类别值4.4.评价分类结果评价分类结果25专业课第9步：设置分类评价报告输出环境及输出分类评价报告4.4.评价分类结果评价分类结果26专业课4.4.评价分类结果评价分类结果27专业课四、监督分类的优缺点四、监督分类的优缺点主要优点：主要优点：1.监督分类可根据应用目的和区域特点，有选择的决定分监督分类可根据应用目的和区域特点，有选择的决定分类类别，避免出现一些不必要的类别；类类别，避免出现一些不必要的类别；2.可以控制训练样本的选择；可以控制训练样本的选择；3.在进行监督分类之前可以通过检查训练样本来决定训练在进行监督分类之前可以
14、通过检查训练样本来决定训练样本是否被精确分类，从而避免分类中的盲目性和错误；样本是否被精确分类，从而避免分类中的盲目性和错误；4.避免了非监督分类中对光谱集群的重新归类。避免了非监督分类中对光谱集群的重新归类。28专业课主要缺点：主要缺点：1.1.监督分类训练样本的选择，需要用户对训练区有足够多的监督分类训练样本的选择，需要用户对训练区有足够多的先验知识，因此样本的结果并不一定是自然存在的类别，有先验知识，因此样本的结果并不一定是自然存在的类别，有较大的主观因素，会导致在光谱空间各类别之间并非独立，较大的主观因素，会导致在光谱空间各类别之间并非独立，出现类别的重叠；所选择的训练区样本也可能并不
15、代表图像出现类别的重叠；所选择的训练区样本也可能并不代表图像的真实情形。的真实情形。四、监督分类的优缺点四、监督分类的优缺点29专业课主要缺点：主要缺点：2.2.由于遥感图像的复杂性，同一地物在图像上表现出光谱的由于遥感图像的复杂性，同一地物在图像上表现出光谱的差异，而且该地物内部的方差值较大，这种差异性就越大。差异，而且该地物内部的方差值较大，这种差异性就越大。这样就会使训练样本的代表性较差，影响精度。这样就会使训练样本的代表性较差，影响精度。3.3.监督分类训练样本的选取，需要花费较大的人力、时间。监督分类训练样本的选取，需要花费较大的人力、时间。4.4.只能识别训练样本中所定义的类别，而
16、对于没有定义的类只能识别训练样本中所定义的类别，而对于没有定义的类别或其数量太少的类别，则不能很好的识别。别或其数量太少的类别，则不能很好的识别。四、监督分类的优缺点四、监督分类的优缺点30专业课技能训练七技能训练七 遥感图像监督分类遥感图像监督分类将以上处理的输出图像连同原图像分别抓图至将以上处理的输出图像连同原图像分别抓图至WordWord文文档中，并对图像做好相应的注释。档中，并对图像做好相应的注释。将此将此WordWord文档保存到各自的文件夹中，再将文件夹打文档保存到各自的文件夹中，再将文件夹打包，命名为包，命名为“班级班级+ +姓名姓名”后提交。后提交。31专业课谢谢 谢谢 大大 家！家！32专业课
