第0603章 非监督分类(4学时).pptVIP

第 六 章 遥感图像分类 第三节 遥感图像非监督分类 ◆遥感图像中的迭代法聚类分析 ◆遥感图像中的迭代法聚类分析 ●基于ERDAS/ISODATA法非监督分类之图像运算 ▼File Statistics Options ●基于ERDAS/ISODATA法非监督分类之图像运算 ●基于ERDAS/ISODATA法……之图像运算后处理 ●基于ERDAS/ISODATA法……之图像运算后处理 ●基于ERDAS/ISODATA法……之图像运算后处理 *透明度设置后的效果图 ●基于ERDAS/ISODATA法……之图像运算后处理 ●基于ERDAS/ISODATA法……之图像运算后处理 ●基于ERDAS/ISODATA法……之图像运算后处理 ●基于ERDAS/ISODATA法……之图像运算后处理 ●基于ENVI/ISODATA法非监督分类之图像运算 ●基于ENVI/ISODATA法非监督分类之图像运算 ●基于ENVI/ISODATA法非监督分类之图像运算 ●基于ENVI/ISODATA法非监督分类之图像运算 ●基于ENVI/ISODATA法非监督分类之图像运算 ●基于ENVI/ISODATA法非监督分类之图像运算 ●基于PCI/ISODATA法非监督分类之图像运算 ●基于PCI/ISODATA法非监督分类之图像运算 ◆遥感图像中的迭代法聚类分析 ◆遥感图像中的迭代法聚类分析 ●基于ENVI的K-均值法非监督分类之图像运算 Initialize：初始化；principal axis主轴 Initialize：初始化；principal axis主轴 Background：Any pixel with this value will be ignored during the classification and will be assigned to class 0 ( NULL class). ①类别属性的判读： 第三步：透明度设置----由于初始分类图像覆盖在原图像上，而为了对某个类别进行判别，首先要把其透明度（Opacity）值设为1（即不透明），其他类别的设为0，以显示其他类别覆盖下的原图像部分。 具体做法是：在初始分类图像的属性表（Raster Attribute Editor）上，右键点击Opacity字段的名字/在所出现的Column Options菜单上选择Formula菜单项/在出现的Formula对话框上的Formula输入框中输入数字“0”/点击Apply按钮（此时在初始分类图像的属性表（Raster Attribute Editor）中所有类别的Opacity值都变为0）/点击Close按钮以关闭Formula对话框并返回初始分类图像的属性表（Raster Attribute Editor）/在此界面上，将待判读类别的Opacity值修改为1。此时，在原叠加显示原图像和初步分类图像的视窗中能看到原图像（除了被待判读类别覆盖的部分以外）。 ②评价分类结果： ----ERDAS中提供了多种分类评价方法，如分类叠加(lassification Overlay)、定义阈值(Thresholding)、分类编码(Recode Classes)、精度评估(Accuracy Assessment)等。 * 6.1 遥感图像分类的基本方法 6.2 遥感图像监督分类 6.3 遥感图像非监督分类 6.4 基于混合像元的遥感图像分类 6.5 非光谱信息在遥感图像分类中的应用 6.6 基于知识的遥感图像分类 聚类分析方法：把一组像素按照相似性归成若干类别(“物以类 聚”),其目的是使得属于同一类别的像素之间距离尽可能的小, 而不同类别上的像素间的距离尽可能的大.其实现途径包括非迭 代方法(如分层或分级聚类法)和迭代方法（动态聚类法). ★非监督分类法: 在没有先验类别(训练区)作为样本的条件下,即事先不知道类别特征的情况下,仅依靠影像上不同类地物光谱信息（或纹理信息）进行特征提取，再采用聚类分析方法，将所有样本划分为若干个类别.这一过程也称为聚类（Clustering）. ?迭代方法: 首先给定某个初始分类，然后采用迭代算法找出使准则函数取极值的最好聚类结果。这一方法在遥感图像分类中通常被采用。 ?常见算法 1.ISODATA法(迭代自组织法)非监督分类：首先计算数据空间上均匀分布的初始类别均值，然后用最短距离技术进行迭代，把它们聚集到最近的类中。 ●在ISODATA算法中,不是每调整一个样本的类别就重新计算一次各类样本的均值,而是每次把所有样本都调整一次各类样本的均值，并且用这一新的均值