EDVI操作课堂作业.docxVIP

实习四主要内容1.对比遥感图像非监督分类与监督分类2.对比ISODATA与最大相似性分类的差异，并解释产生差异的原因 3.最大似然法监督分类结果的后处理 1.非监督分类isodata分类1.打开图像can_tmr，选择classification菜单下的unsupervised-IsoData分类，按照如图默认设置，分为5-10组，得到结果如下，与原图对比，虽然细致，但分类过多，有些冗杂。图12.只使用4,5,7三个波段进行分类，得到结果与原图比较。两种方法有一定差别。但分类类型和个数差别不大。图22.监督分类2.1分类流程1.用波段5,4,3假彩色合成打开nj-Work2.设置感兴趣区参数。Tools-region of interest-ROI tools，在Zoom窗口上绘制。3.开始绘制，注意绘制完后用go to进行查看，选择的像素不能太少，由于图像有7个光谱，选择像素至少要210左右。图34.选出如下几个感兴趣区。图45.保存区域，File-save rois，用restore选项可以把保存好的感兴趣区加载进来。6.先后点击ROI Tool上的select all和stats，得到感兴趣区的光谱特征图，可以看到不同地物在不同波长的平均值。在图像上右击，选择plot function-x axis:index，可以得到他们在不同波段上对应的值。图5可以看到，差别较大的有波段3，5和6，这些波段有较大的可分性。可分性最大，标准差最小的波段是3。7.检验感兴趣区。ROI tools-Options-Compute ROI separability，选择所有ROI，在得到结果的最后找到pair separation，如果两两之间差距大于1.9，分类好。图6可以看到在这次分类中，道路和城镇，河水和湖水的区别都较小，在图像上也反映出他们的差别不大，有些难以区别。8.改进感兴趣区。1）File-export ROI to n-D visualiser，选中所有感兴趣区，得到图如下，选择想要三维查看的至少三个波段，大于等于三个波段会进行动态演示。图72）通过查看演示，可以将差别不大的ROI合并；将自成一体的ROI分成新的类型，或者改变原来的ROI分类。①如下图，蓝色和绿色不管在哪个方向都相互交融，可以将道路和城镇合成一个感兴趣区；图8可以直接在原来的感兴趣区上进行合并，options-merge regions，设置如图。图9②如图，有一块原来属于道路的区域与其他湖水的感兴趣区差别较大，可以考虑单独划分成一个感兴趣区；图10这个部分的改动要输出。在图上右键点击Export class,如图，原来的感兴趣区多出一块。图119.为保证分类的合理性和精度，改进后可再次查看分类精度，Pair separation大于1.9可以使用。2.2分类方法2.2.1平行管道法1.clasification-supervised-parallelepipped，选中之前分好的感兴趣区，得到分类结果。图122.与非监督分类结果进行比较，可以看出，这种办法分类明显较少，地物分类更明确，更合理。比如江水包围的城镇地区，在非监督分类中分类过多过于冗杂，在监督分类中可以直观的突出城镇，耕地和湖泊，唯一的瑕疵是道路和城镇合并不能看出来。图132.2.2最大似然法1.classification-supervised-maximum likelihood，如图所示弹出设置窗口。如图所示进行设置，单值是指：所有的类别判断时用相同的概率阈值，多值则相反，要使用不同的概率阈值。这个阈值如果太大，会导致有大量点无法找到分类，太小又会导致分类精度太低。这个值可以不设置，直接让计算机处理时得到一个合理值。图142.分类结果如图，与平行管道对比，两者分类有一定差别，对比原图我的直观认为是，最大似然法分类比较合理。图153.分类后处理3.打开overlay-classification可以查看分类结果并进行改动。①类别集群Classification-post classification-clump classes，进行顺序类别集群，作用是消除原图中属于另一地物类别的部分，即分错的部分，弹出的窗口如图，首先选择第一个类别，储存为m1。再对m1中的类别2进行处理，以此类推，可以看到图像发生了很大变化，主要是与周围的差别变小。图16与原图对比，图上很多细小的农田之类的细节消失了，所以这个办法可以用于平滑图像，但细节处理不够好。②主要/次要分析classification-post classification-Majority/minority analysis，对道路和耕地两个类型进行主要/次要分析。得到结果如图右，与未经处理的结果对比图17如图所示，该窗口中心点在变换前后发生变化