遥感影像分类方法实验论述.docVIP

目录 1 实验目的 4 2 实验数据 4 3 实验内容 4 4 实验步骤 5 4.1 对人口矢量数据（shapefile）进行投影转换 5 4.1.1 Census.shp文件投影坐标的检查 5 4.1.2 将投影坐标转换为WGS_1984_UTM_Zone_16N 6 4.2 对遥感影像进行几何精校正（以经过投影变换的人口矢量数据为基准） 6 4.2.1 Census.shp在ENVI软件的加载 6 4.2.2 对遥感影像进行几何精校正（以矢量数据为基准） 7 4.2.3 用矢量图层对遥感影像进行裁剪 10 4.3 将Pan波段和多光谱波段进行融合，并对融合效果进行定性和定量评价 11 4.3.1 两种融合方法的原理 11 4.3.2 进行 Gram-Schmidt Spectral Sharpening融合 11 4.3.4 融合效果进行定性评价 14 4.3.5 融合效果进行定量评价(软件提供的计算方法) 15 4.3.6 融合效果进行定量评价(Matlab编程计算) 16 4.3.7 遥感影像融合定量分析代码 20 4.4 生成住房密度栅格影像 23 4.4.1 两表的连接 23 4.4.2 计算房屋密度 24 4.4.3 直接栅格化 25 4.4.4 IDW插值 25 4.4.5 对房屋密度图进行重分类 26 4.5 将住房密度栅格影像作为额外的通道与ETM+多光谱波段进行叠加 26 4.6 监督分类（融合方法为HSV，波段为5，4，3） 27 4.6.1 打开Google Earth影像作为监督分类的参照 27 4.6.2 建立兴趣区 29 4.6.3 训练样区的选择 30 4.6.4 训练样区的评价 31 4.6.5 执行监督分类 33 4.6.6 分类后处理 35 4.6.7 评价结果分析 37 4.6.8 分类结果面积统计 38 4.6.9 分类结果 41 4.7 分类结果评价与分析 41 4.7.1 未加入房屋密度图层的分类结果评价与分析 41 4.7.2 加入IDW插值房屋密度图层的分类结果评价与分析 42 4.7.3 加入直接栅格化房屋密度图层的分类结果评价与分析 43 4.7.4 加入重分类后IDW插值房屋密度图层的分类结果评价与分析 44 4.7.5 从总精度与Kappa系数对分类结果进行评价 45 4.7.6 分类结果总体评价 46 4.7.7 与其他训练样区的分类精度和Kappa系数的计算 48 4.8 决策树分类 49 4.8.1 决策树分类原理 49 4.8.2 数据预处理 49 4.8.3 指数的计算 51 4.8.4 执行决策树 54 4.8.5 不同参数设置的对比 57 5 实验体会 60 5.1 实验中存在的问题 60 5.2 软件平台使用 63 5.3 实验总结 63 1 实验目的 ① 掌握ArcGIS10和ENVI4.7对遥感图像处理的基本操作与原理 ② 熟悉几何精校正的方法，掌握ENVI软件对遥感影像进行几何精校正 ③ 掌握全色波段与多光谱波段的融合方法和原理，学会对融合效果进行定性定量分析 ④ 熟悉掌握ArcGIS的栅格化方法和IDW插值方法 ⑤ 熟悉监督分类的方法和基本原理，掌握ENVI软件中进行监督分类 ⑥ 了解监督分类后评价过程，对分类结果进行精度评价和分析 ⑦ 掌握Erdas的空间建模方法以及原理 ⑧ 了解RuleGen算法，掌握决策树分类方法 2 实验数据 ① 带属性数据的shapefile：Census.shp ② 带有陆地面积字段的矢量图层： ③ GoogleEarth_原始拼接：GE1005211134.jpg ④ 研究区域的多光谱波段数据：Stack_b1-6162-7.img ⑤ 研究区域的全色波段数据：b8.img ⑥ 监督分类参照影像：Google Earth 3 实验内容 ① 对人口矢量数据（shapefile）进行投影转换：WGS_1984_UTM_Zone_16N ② 对遥感影像进行几何精校正（以经过投影变换的人口矢量数据为基准）： （1） 对多光谱波段（30 m空间分辨率）进行几何精校正（小于0.25个像元）； （2） 对Pan波段（15 m空间分辨率）进行几何精校正（小于0.25个像元）； ③ 将Pan波段和多光谱波段进行融合（自选至少一种融合算法），并对融合效果进行定性和定量评价； ④ 生成住房密度栅格影像： （1） 直接栅格化； （2） IDW插值； ⑤ 将住房密度栅格影像作为额外的通道（或波段）与ETM+多光谱波段进行叠加； ⑥ 进行监督分类和分类后