监督与非监督的异同.pptVIP

常规的遥感统计分类方法主要是根据地物光谱的反射特征，基于单个像元进行操作，但由于遥感数据一般带有综合光谱信息的特点(即一个像元有时是地面各类地物光谱的总和)，致使计算机分类面临着诸多模糊对象，导致精度降低。为此，人们不断研究尝试新的分类方法。 图像分类的目的是将图像中每个像元根据其在不同波段的光谱亮度、空间结构特征或者其他信息，按照某种规则或算法划分为不同的类别(赵英时．遥感应用分析原理与方法)。最简单的分类是只利用不同波段的光谱亮度值进行单像元自动分类。另一种则不仅考虑像元的光谱亮度值，还利用像元和其周围像元之间的空间关系，如图像纹理、特征大小、形状、方向性、复杂l生和结构对像元进行分类。因此，它比单纯的单像元光谱分类复杂，且计算量也大。对于多时段的图像，时间变化引起的光谱及空间特征的变化也是非常有用的信息。 使用工具 计算机中ENVI、ERDAS、IMAGINE等软件 分析单位 每个像元 分析对象 在多光谱图像中，分析影像中不同地物的 1、空间信息（空间结构） 2、光谱信息（光谱亮度） 3、像元与周围像元空间关系（图像纹理、 特 征大小、形状、方向性、复杂性和结构） 分类过程 选择特征，并将特征空间划分为互不重叠的子空 间，然后将影像中各个像元划归到子空间 去。 辅助层 城市规划图、城市人口密度图（城市土地利用） 按照利用图像要素的不同 1.基于图像灰度值的分类 2.基于图像纹理的分类 3. 基于多源信息融合的分类 根据具体应用的数学方法不同 1. 统计法(决策分类法) 2.语言结构法(句法方法) 3. 模糊法 4. 神经网络法 根据是否已知训练样本的分类数据 1.监督分类 （人工参与程度） 2.非监督分类 又称训练分类法，即用被确认类别的样本像元去识别其他未知类别像元的过程. 也称为聚类分析或点群分析。即在多光谱图像中搜寻、定义其自然相似光谱集群组的过程。 监督 非监督 那监督与非监督到底有什么不同呢？ 监督分类 非监督分类 别名 训练分类 聚类分析、点群分析 适用范围 有先验知识，已知训练场地的类别（实地抽样调查、人工目视判读） 没有类别先验知识 是否需要训练样本 人工选取训练样本 仅需极少的人工初始输入 依据 根据训练样本的光谱特征找出相似地物，进行分类 根据地物的光谱特征及空间特征的相关性或相似性进行分类 分类原理 分析者在图像上对每一种类别选取一定数量的训练区，通过计算，将每个像元和训练样本作比较，按照不同规则划分到和其最相似的样本类 动态聚类，选择一些代表点作为聚类的核心，，然后将其余待分点按某种方法(判据准则)分到各类中去，完成初始分类，之后再重新计算各聚类中心，把各点按初始分类判据重新分到各类，完成第一次迭代．然后修改聚类中心进行下一次迭代，对上次分类结果进行修改，如此反复直到满意为止． 分类过程 1、选择特征波段，定义一系列参数如最大类别数、迭代终止条件 2.选择训练区 3.选择或构造训练分类器 4、执行分类，为各类分配颜色和具有实际意义的名称 5、对分类精度进行评价 1.选定初始集群中心； 2.用一判据准则进行分类；3.循环式的检查和修改； 4.输出分类结果 分类方法 最小距离分类、马氏距离分类、Parallelpipe、神经元网络分类、模糊分类、Fisher、判别分类、最大似然法 基于最邻近规则的试探法 K—means均值算法 迭代自组织的数据分析法(ISODATA) 优点 精确度高，