遥感图象分类I(监督分类).docVIP

重庆交通大学 学生实验报告 课 程 名 称 遥感技术与应用 开课实验室 空间信息处理实验室 学 院 河海 年级 2008 专业 地信 学 生 姓 名 学号 开 课 时 间 2010 至 2009 学年 第 2 学期 总成绩 教师签名 河海学院资源与环境科学系 2010年10月 实验题目 遥感图象分类I（监督分类） 实验时间 2010年10月27日 实验地点 土木学院空间信息处理实验室 实验成绩 实验性质 验证性实验 一、实验目的 1通过本次上机实验，掌握遥感图像监督分类的基本方法和步骤。 2加深对遥感图像分类的理解。 3熟悉ERDAS图像分类模块 二、原理与方法 监督分类(supervised)，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。已被确认类别的样本像元是指那些位于训练区的像元。在监督分类过程中，首先选择可以识别或者借助其他信息可以判定其类型的像元建立分类模板（训练样本），然后让计算机系统基于该模板自动识别具有相同特性的像元。对分类结果进行评价后再对分类模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。监督分类一般有以下几个步骤：定义分类模板、评价分类模板、进行监督分类、评价分类结果，在实际应用过程中，可以根据需要执行其中的部分操作。 三、实验主要内容及过程 (原始记录) 4.4.1 定义分类模板 4.4.2 评价分类模板 分类误差矩阵 4.4.3 执行监督分类 监督分类成果图 4.4.4 评价分类结果 阈值掩膜 四、实验结果(成果及结论) 将图像空间划分为若干个子区域，每个区域代表一类地物。根据是否需要分类人员事先提供已知类别及其训练样本，对分类器进行训练和监督，可将遥感图像分类方法划分为监督分类和非监督分类。本次实验主要进行监督分类。 五、实验分析总结 监督分类的优缺点： 优点：（1）可根据应用目的和区域，有选择地决定分类类别，避免出现一些不必要的类别。（2）可控制训练样本的选择。（3）可通过检查训练样本来决定训练样本是否被精确分类，从而能避免分类中的严重错误。（4）避免了非监督分类中对光谱集群组的重新归类。 缺点：（1）其分类系统的确定、训练样本的选择，均人为主观因素较强，分析者定义的类别也许并不是图像中存在的自然类别，导致多维数据空间中各类别间并非独一无二，而是有重叠；分析者所选择的训练样本也可能并不代表图像中的真实情形。（2）由于图像中同一类别的光谱差异，造成训练样本并没有很好的代表性。（3）训练样本的选取和评估需花费较多的人力、时间。（4）只能识别训练样本中所定义的类别，若某类别由于训练者不知道或者其数量太少未被定义，则监督分类不能识别。 实验题目 遥感图象分类II（非监督分类） 实验时间 2010年10月27日 实验地点 土木学院空间信息处理实验室 实验成绩 实验性质 验证性实验 一、实验目的 1通过本次上机实验，掌握遥感图像非监督分类的基本方法和步骤。 2加深对遥感图像分类的理解。 3熟悉ERDAS图像分类模块 二、原理与方法 非监督分类（unsupervised），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。非监督分类不需要人工选择训练样本，仅需极少的人工初始输入，计算机按一定规则自动地根据像元光谱或空间等特征组成集群组，然后分析者将每个组和参考数据比较，将其划分到某一类别中去。长期以来，已经发展了近百种不同的自然集群算法，如ISODATA、链状方法等。ERDAS的非监督分类是基于ISODATA算法实现的。 三、实验主要内容及过程 (原始记录) 显示需要分析类别的图像 非监督分类成果图 确定类别 重编码后成果图 四、实验结果(成果及结论) 图像分类结果是将图像空间划分为若干个子区域，每个区域代表一类地物。根据是否需要分类人员事先提供已知类别及其训练样本，对分类器进行训练和监督，可将遥感图像分类方法划分为监督分类和非监督分类。本次实验主要进行非监督分类。 五、实验分析总结 非监督分类优缺点: 优点：（1）非监督分类不需要预先对所要分类的区域有广泛的了解和熟悉，但是在非监督分类中分析者仍需要一定的知识来解释非监督分类得到的集群组。（2）人为误差的机会减少。即使分析者对分类图像有很强的看法偏差，也不会对分类结果有很大影响。（3）独特的、覆盖量小的类别均能够被识别。 缺点：（1）非监督分类产生的光谱集群组并不一定对应于分析者想要的类别，因此分析者面临着如