实验六遥感字图像分类处理课程设计报告.doc

遥感数字图像分类处理课程设计 郑学法一、基本知识 1.遥感图像分类: 把图像中的每一个像元或某个区域划归为若干类别中的一种。 2.遥感图像分类的目的: 基于地物或现象的波谱特征、空间特征、时相特征进行地物专题属性的种类识别及空间分布范围的确定，并结合地学-生物学规律分析研究目标物及背景环境的时间-空间-成因关联及演化机制。 3.图像分类的工作流程： （1）确定分类类别:根据专题目的和图像数据特性确定计算机分类处理的类别数与类特征。 （2）选择特征:选择能描述各类别的特征变量。 （3）提取分类数据:提取各类别的训练（样本）数据。 （4）测定总体统计特征:或测定训练数据的总体特征；或用聚类分析方法对特征相似的像元进行归类分析并测定其特征。 （5）分类:用给定的分类基准对各个像元进行分类归并处理。 （6）分类结果验证:对分类的精度与可靠性进行分析。 4. 非监督分类 根据图像数据本身的统计特征及点群的分布情况，从纯统计学的角度对图像数据进行类别划分的分类处理方法。 5. 监督分类 根据已知类别或训练场提供的样本，通过选择特征参数、建立判别函数，把图像中各个像元点划归到给定类中的分类处理方法。 二、遥感图像的非监督分类 对多光谱遥感数据“L7ETM+_121-032_123457”采用动态聚类法（ISODATA）进行非监督分类 。 动态聚类（ISODATA）的基本原理 逐次迭代 动态聚类法（ISODATA）的分类参数设置 进行分类数据文件的选择（依次打开：ENVI主菜单栏—Classification—Unsupervised—IsoData即进入ISODATA算法分类数据文件选择对话框，选择待分类的数据文件），点击OK键以后，进入参数设置对话框，可以进行分类的最大最小类数、迭代次数等参数的设置 3.动态聚类法（ISODATA）的分类结果 （两种，分别与上述分类参数设置相对应） 三、遥感图像的监督分类 对多光谱遥感数据“L7ETM+_121-032_123457”采用最小距离法（Minimum Distance ）进行监督分类 。 最小距离法（Minimum Distance）的基本原理 在利用训练（样本）数据获得了各分类类别的特征参数（如均值向量及标准差向量）以后，对于一待分类像元，首先计算其与各类别均值向量的距离，而后通过比较距离的大小，将待分类像元归并到与之距离最小的类别之中。 分类指标：绝对值距离；欧氏距离 2．ROIs的建立 1）打开待分类的遥感影像数据文件 2）进行训练样本的选取：在窗口中打开一张影像，选择主窗口菜单栏Tools键—Region Of Interest—ROI Tools…（或是在主窗口上单击右键，在弹出的快捷菜单栏中选择ROI Tools…）进入训练样本选取对话框。 3）进行训练样本的选取，New Region 可以建立新的样本区，在ROI Name栏中双击，键入类的地物名，在Color栏中双击，可以输入类的颜色，ROI_Type菜单下可以进行样本类型的设置，在主窗口按鼠标左键即可进行样本区选择，以双击右键结束样本区的选取。选取完毕以后，选择File菜单—Save ROIs，对数据进行保存。 4）进行最大似然法的分类：在ENVI主菜单栏中Classfication—Supervised—Maximum Likelihood，进入分类文件的选取对话框，选择相应的待分类文件。 3．ROIs的可分离性分析 4．监督分类（最小距离法）的分类参数设置 5．监督分类（最小距离法）的分类结果 6．监督分类（最小距离法）分类结果的统计分析 （选分类结果中的一个类别进行统计分析说明） 7．监督分类（最小距离法）分类结果的精度分析 （以混淆矩阵（confusion matrix ）的形式对分类精度进行分析） 8.监督分类的方法还有： 1）平行六面体法 2）最小距离法3）最大似然法 4）波谱角法 5）马氏距离法 6）二值编码法 7）神经网络法等分类的方法，基本的操作都是进行样本的训练和分类的相关设置，在这里就不再赘述了。 四、总结 非监督分类和监督分类是ENVI操作里面比较重要的步骤，通过分类将影像以不同颜色的类别区分开，更便于以后的操作的利用。非监督分类是在输入必要的参数后计算机对影像进行自动分类的操作，比较简单，但有的达不到分类的精度。 从总体上看，两种分类的方法存在较大的差异，这是由于两种分类在相关参数的选取时都存在较大的主观性，在非监督分类中，类数的选取对结果有显著影响，在监督分类中，样本选取的数量，样本的质量以及样本的代表性等对分类的结果都会产生很大的影响，这就需要进行相关参数的调节，来使得分类效果达到最佳。