遥感与图像处理基础监督分类.pptVIP

平行算法分类 这种分类方法简单、直接、实用 根据训练样本的亮度值范围在多维数据空间中形成的盒子（矩形）作为分类决策依据 。 最小距离法分类 利用训练数据各波段的光谱均值，根据像元离各训练样本平均值距离的大小，将像元划分到距离最短的信息类别中 最小距离分类法的概念和处理都很简洁，但在遥感图像分类中使用并不广泛 马氏距离法 马氏距离法：是一个方向灵敏的距离分类器，分类时用到了统计。它与最大似然分类有些类似，但是假定所有类的协方差相等，所以是一种较快的方法。所有像元都被归到最临近的ROI类，除非用户限定了一个距离阈值（这时，如果一些像元不在阈值内，就会被划为无类别）。 最大似然法 据训练样本的均值和方差，通过概率评价待分类像元与训练样本之间的相似性，依此对像元进行分类。 最大似然法可以同时定量地考虑二个以上的波段和类别，是一种应用广泛而且有效的分类技术。 图中是两个训练样区的频率分布。其中重叠的区域表示两种类别共有的像元值。重叠区域内的像元值和每种类别频率分布之间的关联程度是决定像元属于何种类别的基础。 贝叶斯法分类 通过计算变量属于各类的概率，将该变量归为概率最大的一组。 当类别在光谱数据空间中不容易区分的或是重叠时，运用贝叶斯定理进行分类效果特别好。 ECHO法分类 ECHO法，是针对均质目标的提取和分类法。 5 执行监督分类的一般步骤 （1）类别定义：根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；（2）特征判别：对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理；（3）样本选择：为了建立分类函数，需要对每一类别选取一定数目的样本；（4）分类器选择：根据分类的复杂度、精度需求等确定哪一种分类器；（5）影像分类：利用选择的分类器对影像数据进行分类，有的时候还需要进行分类后处理；（6）结果验证：对分类结果进行评价，确定分类的精度和可靠性。 ENVI中包括了监督分类的各个步骤中的所有工具，首先是样本的选择，通过感兴趣区域收集器（ROI）获取，主面板—〉Basic—〉Region Of Interest。包括的功能非常的全，如样本收集、样本精度验证等，样本收集可以从普通的影像上收集，也可以在散点图上选择。 ENVI中的分类工具 训练样本的选择  样本收集完了后，就可以进行监督分类了。ENVI有多种分类器：包括平行六面体、最小距离、马氏距离、最大似然，基于神经网络的，基于模式识别，包括支持向量机、模糊分类等，针对高光谱有波谱角（SAM），光谱信息散度，二进制编码。 ENVI的监督分类器  分类后处理包括的很多的过程，都是些可选项，包括更改类别颜色、分类统计分析、小斑点处理、栅矢转换等操作。 分类后处理 对分类结果进行评价，确定分类的精度和可靠性。有两种方式用于精度验证：一是混淆矩阵，二是ROC曲线 遥感影像分类比起一般的数字影像分类具有自身的特点，概况来讲遥感影像分类的特点有如下几点： * 平行六面体法 * 最大似然法：假定每个波段每一类统计呈均匀分布，并计算给定像元属于一特定类别的可能性。除非选择一个可能性阈值，所有像元都将参与分类。每一个像元被归到可能性最大的那一类里。 * * 分享理价值 分享理价值 本章提要(…) §1 概述 §2 信息类别和光谱类别 §3 监督分类 §4 非监督分类 §5 其它分类方法 §6 不同分类方法的精度差异 §7 分类中应用的辅助数据 §8 图像分类的有关问题 遥感图像的分类 遥感的最终成果之一就是从遥感影像上获取信息，遥感分类是获取信息的重要手段。同时遥感分类也是目前遥感技术中的热点研究方向，每年都有新的分类方法推出。 概述 遥感分类基本概念 常见遥感分类方法 ENVI中的分类工具 掌握内容 遥感影像通过亮度值或像元值的高低差异（反映地物的光谱信息）及空间变化（反映地物的空间信息）来表示不同地物的差异，这是区分不同影像地物的物理基础。 遥感影像分类就是利用计算机通过对遥感影像中各类地物的光谱信息和空间信息进行分析，选择特征，将图像中每个像元按照某种规则或算法划分为不同的类别，然后 获得遥感影像中与实际地物的对应信息，从而实现遥感影像的分类。 遥感分类 不同的地物具有不同的波谱特征，同类的地物具有相似的波谱特征，由不同探测波段组成的多波段数字图像是地物特征的量化，遥感影像分类正是基于影像中所反映 的同类地物的光谱相似性和异类地物的光谱差异性的基础上进行的，根据影像的特征向量，建立判别函数，最终实现将遥感影像自动分成若干地物类型。遥感影像分 类由于遥感影像