遥感图像监督分类与非监督分类.docVIP

成都信息工程学院 Chengdu University of Information Technology 遥感上机实验报告 实验名称：遥感图像监督分类与非监督分类 指导老师：刘志红 学生姓名：李同同 学号：2009043053 1 实验名称： 2 实验目的其基本目标是将人工目视解译遥感图像发 展为计算机支持下的遥感图像理解。 分类的意义由于利用遥感图像可以客观、真实和快速地获取地球表层信息，这些现势性很强的遥感数据在自然资源调查与评价、环境监测、自然灾害评估与军事侦察上具有广泛应用前景。因此，利用计算机进行遥感图像智能化解译，快速获取地表不同专题信息，并利用这些专题信息迅速地更新地 理数据库，这是实现遥感图像自动理解的基础研究之一， 因此具有重要的理论意义和应用前景。 3实验原理： 4数据来源： 数据时通过国际科学数据服务平台下载的攀枝花地区的TM图像，分辨率为30米，坐标系统为WGS—84 各波段波长与分辨率 波段 波长/nm 像素大小/m B1 450~520 30 B2 520~600 30 B3 630~690 30 B4 760~900 30 B5 1550~1750 30 B6 10400~12500 120 B7 2080~2530 30 5实验步骤 5.1 5.1.1定义训练区 5.1.1打开图像并分析图像 （1）打开TM图像，Band5、4、3合成RGB显示在Display中。 （2）目视解译出5个地物样本为林地、草地、耕地、裸地、水体。 5.1.2应用ROI Tools创建感兴趣区 可以从图像或散点图中获取ROI，本实验以从图像上获取ROI做演示。 （1）在主图像窗口中，选择Overlay—Region of Interest，打开ROI Tools对话框。 （2）在ROI Tool对话框中，输入样本的名称，并选择颜色。 （3）选择ROI Type—Polygon。在Window中选Image，在主图像窗口中绘制多边形感兴趣区。 （4）在ROI Tool对话框中，点击New Region，重复（2）、（3）。 5.1.3评价训练样本 （1）在ROI Tool，选择Options—Compute ROI Separability。 （2）选择输入的TM图像文件，点击OK。 （3）在ROI Separability Calculation，选择Select All Items按钮，选择所有ROI用于可分离性计算，点击OK。 得到训练样本可分离性报表。 5.1.4执行监督分类 监督分类的分类器有很多，比如：平行六面体、最小距离、马氏距离、最大似然、神经网络。 下面以平行六面体为例进行实验。 在主菜单中，选择Classification—Supervised—Parallelpiped，在文件输入TM图像，点击OK。 （2）全选训练样本，选择输出的图像名称，路径。在Preview中可预览。 得到的结果如下图： 5.2非监督分类 ENVi里面有ISODATA和K-Means两种方法。以K-Means为例进行实验。 5.2.1在主菜单中，选择Classification—Unsupervised—K-Means，在文件输入TM图像，点击OK。 分类数量为5，最大迭代次数为15，距离类别均值的最大标准差和允许的最大标准差为空。 选择输出的文件名及位置，点击OK。 得到的图像下图： 6实验结果与分析 下图分别为的图像。 。 7实验心得 总的来说，实验做的过程很，图像比较大，处理速度慢 通过这次实验我明白了