205_彪_图像分类概览.docVIP

杭州师范大学 遥感数字图像处理方法 实验报告 实验名称 姓 名 学 号 2425 班级 老 师 成绩 2016年5月25号 实验八 图像分类 实验目的 理解遥感图像非监督分类和监督分类的算法差异，掌握监督分类的工作流程。 要求 能够根据合成的图像勾绘典型地物类。 理解特征选择对分类结果的影响 能够分析典型地物类之间的光谱差异 能够进行监督和非监督分类操作 能够进行分类图像后处理 对比非监督分类和监督分类的实验结果； 对比ISODATA与最大相似的分类的差异，并解释产生差异的原因； 最大似然法监督分类结果的后处理。 下表是根据目视解译判别标志建立的分类体系 实验步骤 IsoData非监督分类（自组织分类） 利用envi打开njWork图像。在#1窗口(5,4.3)合成显示 主菜单ClassificationUnsupervisedIsoData 。在弹出的“IsoData Parameters”，设置分类基本参数。参数设置如图8.1。输出结果保存为njWork iso0, 其参数不变，确定。 图.1 IsoData参数设置窗口#2窗口显示分类结果（已经默认进行密度分割），如图 8.2。 图 问题1： 可以利用密度分割工具查看分为几类。 分类结果不太准确在紫荆山上的植被区也有大部分被分为红色的水体区 改变使用的图像特征重新分类。 指光谱子集为4，5，7波段，IsoData参数设置窗口默认保持不变njWork Iso1。用#3显示重新份分类的结果。连接#1，#2，#3，如图8.3 图3 图像分类结果图对比 2 使用新的分类结果，水体信息分类得到改善。在红外波段，水体信息和其他地物信息区分比较明显。 监督分类 监督分类采用平行管道法和最大似然法 建立感兴趣区envi打开njWork ，用#1窗口进行（5，4，3）标准假彩色合成。 建立ROI感兴趣区（RIO是监督分类中的标准地物区域。ROI必须具有代表性，并覆盖一定的面积） 在1窗口单击ToolsRegion of InterestROI Tool显示的ROI窗口设置如下 绘制ROI窗口为Zoom ROI名称感兴趣区实际地物的名称 颜色自定义将感兴趣区地物的颜色 ROI类型多边形根据建立好的地物标志构建感兴趣区如图 图统计ROI的光谱特征 在ROI Tool窗口点击Select AllStats。显示图像结果窗口在ROI统计窗口选择绘图 plot）为均值（mean for all ROI）。在图形窗口，右键单击，弹出菜单。选择Plot_FunctionX axis : index 图 在ROI统计窗口选择绘图 plot）为标准差stdev for all ROIs 图5右图 图 问题3 在第4，5波段，其可分离性最好。 平行管道法 在主菜单ClassificationSupervisedParallelepiped(平行管道法)。选择图像为njWork，使用所有特征。 在弹出的窗口中单击“select all item”，使用所有已经定义的ROI。设置图像输出为njWorkpp_c。规则输出为：njWorkpp_r。如图8.6。单击OK。 图 平行管道法分类参数窗口不同窗口链接比较，如图8.7 图8.7 不同窗口链接比较 在窗口#4显示各个类别的规则图像，如图8.8。像素值越高，表明属于该类的概率越大。 图 平行管道法部分分类的分类规则图图7.9说明：河水、道路和耕地错分很多。江水和河水错分，道路分布过大，耕地与城镇混淆。 最大似然法 在主菜单ClassificationSupervisedmaximum likelihood(最大相似法)。选择图像为njWork，使用所有特征。结果保存到njwork max_c和njwork max_r。如图8.9 图 最大似然法窗口Single Value：所有的类使用相同的概率阈值。 Multiple Value: 每个类指定一个概率阈值。 计算的像素最大概率值大于某类指定的阈值时归于该类。 Data Scle Factor : 与数据的分布有关。对于浮点数据，建议数据使用前进行标准化。 #5显示分类后的图像，#6显示其规则图像，如图8.10 图利用规则图像调整分类结果 打开用最大似然法得到的规则图像njWork mac_r 如图8.11 图 在#4窗口打开最大似然法得到的规则图像（湖水），对Scroll窗口进行线性拉伸。利用光标位置值和直方图（直方图来源为Band，根据图像设定直方图的最大和最小值），确定类的阈值。如图8.12，利用光标位置法，确定阈值。将光标在湖水中移动，确定最大值和最小值