《遥感原理与应用》实验报告——影像分类.docVIP

实验名称：影像 实验内容 对同一种方法下的不同判别准则（如最小距离准则和最大似然分类）得到的分类结果进行比较。 实验所用的仪器设备，包括所用到的数据 电脑一台，Window7操作系统，遥感影像处理软件（ENVI4.3）软件 实验原理 监督分类 （supervised classification）又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术。即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类，是模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立分类的决策规则，直至满足分类精度要求为止。常用算法有：最大似然。 求出未知类别向量到要识别各类别代表向量中心点的距离，将未知类别向量归属于距离最小一类的一种图像分类方法。 非监督分类也称聚类分析。 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，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，亦即：非监督分类只能把样本区分为若干类别，而不能给出样本的描述；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。 实验步骤及其结果分析 选择 Classification Unsupervised Isodata. 出现 Classification Input File 对话框，进行标准文件选择。 点击“OK”，显示 ISODATA Parameters 对话框点击“OK”，开始进行独立数据分类。图像中每一个波段将计算统计值，屏幕上出现一条状态信息，显示操作进展过程。信息随着分类器的每一次迭代在 0 到 100% 之间循环。 显示结果影像，如图所示 改变参数设置 Number of Classes（分类数 将Maximum Iteration（最大迭代数） 将Chang?Threshold（像元变化的阈值）由5.00改为1.00，显示结果如图5所示。 将其它各个参数分别更改，结果肉眼看不出明显区别，均如图2（默认参数值）所示。 通过Class Cloor Mapping对话框，改变各分类颜色，如将植被改为白色，结果如图6所示。 结果分析： ISODATA分类中获知地物类别属性的方法 使用默认参数值时将结果分为了8类，但是每类地物的具体属性，只利用结果影像并不容易判断出来。这是由于非精度分类时人们事先对分类过程不施加任何的先验知识，而仅凭数据，即自然聚类的特性，进行“盲目”的分类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。 在ISODATA?Parameters?对话框各个参数的含义分别是：Number?of?Classes（分类数），Min（最少分类数）、Max（最大分类数），Maximum?Iteration（最大迭代数），Chang?Threshold（像元变化的阈值），Minimum?＃Pixel?in?Class（每类中的最小像元数Maximum Class Stdv（最大标准差），Minimum?Class?Distance?（最小类间距），Maximum?＃Merge?Pairs（最大合并数）等8个基本参数。 最小距离和最大似然分类 根据图像特征，选取感兴趣区。对感兴趣区域进行编辑。 ENVI主菜单下选择Classification Supervised Minimum Distance和Maximum Likelihood分别进行最小距离和最大似然分类。分类结果分别如图7、图8所示。 结果分析 最小距离和最大似然分类的比较 最小距离法与最大似然法的结果影像初看之下十分相近，但通过链接比较，发现仍存在细节上的差别。例如对比影像右上角植被的区分度，可以看出最大似然法的精度明显高于最小距离法。最小距离分类原理简单，分类精度不高，但计算速度快，它可以在快速浏览分类概况中使用。最大似然法是建立在贝叶斯准则基础上的，其分类错误概率较小，是监督分类方法中风险最小的判决分析，是典型的和应用最广的监督分类方法。而二者相同的不足之处是传统的人工采样方法工作量大，效率低，加上人为误差的干扰，使得分类结果的精度较差。 监督分类与非监督分类的主要区别 通过比较二者的分类结果，可以看出，非监督分类所分类别较多，结果影像比较杂乱，而监督分类只分成了我们需要的三类，控制起来较为容易。从效果上看，监督分类较好，但是从省时角度看，非监督分类较好。 二者的根本区别点在于是否利用训练场地来获取先验的类别知识。监督分类根据训练场提供的样本选择特征参数, 建立判别函数, 对待分类点进行分类。因此, 训练场地选择是监督分类的关键。由于