《2014图像分类.docVIP

图像分类 遥感图像分类就是利用计算机对遥感图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，然后获得客观的地物信息的过程。一般的分类方法可分为两种：监督分类与非监督分类。将多源数据应用于图像分类中，发展了基于专家知识的决策树分类。 4.1 非监督分类 非监督分类是指人们事先对分类过程不施加任何的先验知识，而仅凭数据（遥感影像地物的光谱特征的分布规律），即自然聚类的特性，进行盲目的分类；其分类的结果只是对不同类别达到了区分，但并不能确定类别的属性其类别的属性是通过分类结束后目视判读或实地调查确定的。 4.1.1 ISODATA分类 ISODATA是一种遥感图像非监督分类法。全称迭代自组织数据分析技术Iterative Self-Organizing Data Analysis Technique）ISODATA使用最小光谱距离方程产生聚类，此方法以随机的类中心初始类别“种子”依据某个判别规则进行自动迭代聚类的过程。在两次迭代的之间对上一次迭代的聚类结果进行统计分析，根据统计参数对已有类别进行取消、分裂、合并处理，并继续进行下一次迭代，直至超过最大迭代次数或者满足分类参数（阈值），完成分类过程。 （1）在主菜单中，选择File→Open Image File，打开待分类图像； （2）在主菜单中，选择Classification→Unsupervised→ISOData； （3）在Classification Input File选择分类的图像文件； （4） 图4-1 ISODATA分类参数设置 Mumber of Classes:Min，max：类别数量范围，一般输入最小数量不能小于最终分类数量，最大数量为最终分类数量的23倍； Maximum Iterations:最大迭代次数，迭代次数越大，得到的结果越精确，运算时间也越长； Change Threshold：变换阈值，当每一类的变化像元小于阈值时，结束迭代过程； Minimun # Pixel in Class:一类所需的最小像元数，如果某一类中的像元数小于最少像元数，则将其中的像元归并到距离最近的类型中； Maximum Class Stdv：最大分类标准差，以像素值为单位，如果某一类的标准差比该阈值大，则将该类分成两类； Minimum Class Distance：类别均值之间的最小距离，以像素值为单位，如果类均值之间的距离小于该值，则类别将被合并； Maximum # Merge Pairs：最大的合并类别； Maximum Stdev From Mean：距离类别均值的最大标准差，为可选项。筛选小于这个标准差的像元参与分类； Maximum Distance Error：最大距离误差，为可选项。筛选小于这个最大距离误差的像元参与分类； (5) 点击OK执行非监督分类，结果如图4-2所示。 图4-2 ISODATA分类结果前后对比 4.1.2 K-Means分类 K-均值算法也称c-均值算法，其基本思想是：通过迭代，逐次移动各类的中心，直至得到最好的聚类结果为止。 1、计算特征空间上均匀分布的最初类均值； 2、用最短距离技术重复地把像元聚集到最近的类里； 3、每次迭代重新计算了均值，且用这一新的均值对像元进行再分类。除非限定了标准差和距离的阈值（这时，如果一些像元不满足选择的标准，他们就无法参与分类），所有 像元都被归到与其最临近的一类里； 4、这一过程持续到每一类的像元数变化少于选择的像元变化 阈值或已经到了迭代的最多次数。操作步骤如下： （1）在主菜单中，选择File→Open Image File，打开待分类图像； （2）在主菜单中，选择Classification→Unsupervised→K-Means； （3）在Classification Input File选择分类的图像文件； （4）在K-Means Parameters窗口中设置分类参数以及输出的路径和文件名（图4-3）； 图4-3 K-Means分类参数设置 Number of Classes：分类数量，一般为最终分类数的23倍； Change Threshold % (0-100)：变换阈值，当每一类的变化像元数小于阈值时，结束迭代过程； Maximum Iterations:最大迭代次数，迭代次数越大，得到的结果越精确，运算时间也越长； Maximum Stdev From Mean：距离类别均值的最大标准差，为可选项。筛选小于这个标准差的像元参与分类； Maximum Distance Error：最大距离误差，为可选项。筛选小于这个最大距离误差的像元参与分类。 （5）点击OK执行K-Means非监督分类，结果如