遥感影像监督分类与非监督分类及相关代码实现汇.docxVIP

遥感影像监督分类与非监督分类摘要：遥感影像的分类方法按照是否有先验类别可分为监督分类和非监督分类，这两种分类方法有着本质的区别但也有存在一定的联系。本文从分类原理和分类方法等不同角度分别介绍了监督分类和非监督分类方法，并对两种方法的分类结果进行了对比和分析。关键词：遥感；监督分类；非监督分类；ISODATA算法；贝叶斯分类算法。数据来源本文使用的数据是华盛顿广场上空由卫星拍摄的高光谱遥感影像。该幅影像使用的传感器系统覆盖0.4到2.4m的可见光到近红外的210个波段。由于0.9-1.4米光谱对应的区域上空大气透光性很差，因此将这个区域内的波段从影像中删除，最后得到191个波段。该数据集有1208个扫描行，每行307个像元，容量近似150MB。为了清晰地反映影像中地物的特征，本文从191个波段中选择了3个波段，分别是120、140和160。下面两幅图分别是全波段影像和三波段影像：图1全波段影像图2 三波段影像遥感影像的监督分类2.1监督分类的原理监督分类（supervised classification）又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术。即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类，是模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立分类的决策规则，直至满足分类精度要求为止。常用算法有：最大释然分类法、最小距离分类法、马氏距离分类法、平行六面体分类法、K-NN分类法。本文选用最大释然分类法对遥感影像进行监督分类。最大似然判别法. 也称为贝叶斯(Bayes) 分类,是基于图像统计的监督分类法,也是典型的和应用最广的监督分类方法. 它建立在Bayes准则的基础上,偏重于集群分布的统计特性,分类原理是假定训练样本数据在光谱空间的分布是服从高斯正态分布规律的,做出样本的概率密度等值线,确定分类,然后通过计算标本(像元) 属于各组(类) 的概率,将标本归属于概率最大的一组. 用最大似然法分类,具体分为三步:首先确定各类的训练样本,再根据训练样本计算各类的统计特征值,建立分类判别函数,最后逐点扫描影像各像元,将像元特征向量代入判别函数,求出其属于各类的概率,将待判断像元归属于最大判别函数值的一组。2.2 最大释然分类算法的调试#includeiostream.h#includefstream.h#includestdlib.h#includemath.h#includeiomanip.hconst float PI=3.1415;float train1[60][3],train2[60][3],train3[60][3],train4[60][3]; //存各类训练样本float m1[3],m2[3],m3[3],m4[3],c1[3][3],c2[3][3],c3[3][3],c4[3][3]; //各类均值向量及协方差矩阵float p=0.25; //先验概率float test[240][11]; //检验样本各列分别存放：分类前类别，行号，列号，一波段灰度，二波段灰度，三波段灰度，分类后类别float a1,a2,a3,a4; //公式中常数项；float qq,qq1,qq2,qq3,qq4; //分类精度float k; //kappa值int q[4][4]; //混淆矩阵float a[4][4]; //精度指标矩阵各列分别为生产者精度漏分误差//用户精度错分误差int main(){ void getdata1(char *filename);void getdata2(char *filename); void compute(float train[60][3],float m[3],float c[3][3],float *a);float identify(float m[3],float c[3][3],float a,float band1,float band2,float band3);int classify(float p1,float p2,float p3,float p4);void testing();void a