基于ENVI的土壤高光谱影像监督分类方法比较研究课件.docVIP

目录 摘要 II Abstract III 1. 前言 1 1.1研究问题的由来 1 1.2 文献综述 1 1.3 研究目的 2 2. 材料与方法 2 2.1 材料 3 2.2 方法 3 2.3 监督分类过程 3 2.3.1 PCA变换 3 2.3.2 选择训练样本 4 2.3.3 用不同的分类方法进行监督分类 6 3. 结果与分析 9 3.1 四种分类结果简单目视判断 9 3.2 用混淆矩阵进行分类精度评价 10 3.2.1 计算分类结果混淆矩阵 10 3.2.2 混淆矩阵中的几项评价指标 13 3.2.3 四种分类方法精度比较 14 3.3 随机选择像素点来比较不同分类方法的结果 14 3.3.1 像素点1 14 3.3.2 像素点2 15 3.3.3 像素点3 16 3.3.4 像素点4 16 3.3.5 像素点5 17 3.3.6 像素点6 18 3.3.7 像素点7 18 3.3.8 像素点8 19 4. 讨论 20 参考文献 20 致谢 21 摘要 基于监督分类方法在遥感影像分类中的普遍应用，介绍了四种ENVI提供的比较常用的、算法简单、计算时间较短的四种分类方法。对同一土壤剖面影像运用这四种方法进行分类，并对分类结果进行了对比，分析了这四种方法分类精度之间的差异,目的是为了更好地将土壤剖面高光谱遥感影像中的无效数据剔除，为后续的研究提供数据基础。 关键词：PCA变换；平行六面体法；最小距离法；马氏距离法；最大似然法 Abstract Widely used in remote sensing image classification based on supervised classification method, this paper introduces four kinds of ENVI provides a common, simple algorithm, calculation of four kinds of classification methods for a short time. The classification of the same soil profile image by using these four methods, and the classification results are compared, analyzed the differences between the classification accuracy of the four methods.The purpose is to better the invalid data to eliminate the soil profile of hyperspectral remote sensing image, provide the data basis for the subsequent research. Key Words: PCA Transform; Parallelpiped; Minimum Distance; Mahalanobis Distance; Likelihood Classification 1. 前言 1.1研究问题的由来 在土壤剖面制备过程中，由于土壤的含水量会对土壤的光谱产生影响，掩盖其他土壤属性对土壤光谱曲线的影响，所以要将采集的土壤剖面在室内通风晾干，风干时土壤失水产生块状凝聚，有裂缝出现，另外土壤中的大颗粒或者凹凸不平的地方会产生阴影，这些裂缝和阴影区域不具备土壤反射光谱特征，在成像光谱仪获得的土壤剖面高光谱影像中属于无效数据，所以需要把影像中的这些区域剔除，有利于后续的高光谱影像的研究分析。 1.2 文献综述 高光谱遥感影像具有光谱分辨率高、信息量大、图谱合一的特点,具有传统遥感技术无法比拟的优势。但是,高光谱数据的高光谱分辨率也带来了大量数据的冗余,在将其运用于各领域之前,必须进行必要的数据处理。因此,如何有效的提取高光谱数据信息成为当前研究的热点之一（李静，2012） 遥感作为采集地球数据及其变化信息的重要技术手段，在世界范围内以及我国的许多政府部门、科研单位和公司得到广泛的应用，不同领域遥感影像的应用对遥感影像处理技术提出了不同的要求，影像分类是影像处理的重要环节，所以具有很大的研究意义，随着各种新理论新方法的相继涌现，遥感影像存在多种分类方法，通过几种常用监督分类方法的比较发现，每种分类方法都有最适合应用的范围和自身的局限性，没有一种是最普遍最佳的方法，所以必须灵活应用，综合应用多种分类方法，并且与其他影像处理技术结合起来实现最大精度的分类。（闫琰等，2011）。 非监督分类是指在分类时对需要分类的地物完全没有加入任何已知的信息,而仅仅依