ENVI几种监督分类方法精度比较.docVIP

ENVI中几种监督分类方法精度比较 　　摘 要：遥感图像的监督分类常用方法目前可以分为：平行六面体法，马氏距离法，最大似然法，神经网络法以及支持向量机法等。文章将就以上所述的五种常用的监督分类方法在ENVI中分别对汶川县威州镇同一Landsat8 OLI数据进行土地覆盖与利用状况分类.比较各种方法的分类精度，并对之所产生的差异的原因进行浅析，进而对实际的生产以及应用做出借鉴。 中国论文网 /1/viewhtm　　关键词：监督分类；平行六面体；神经网络；支持向量机；分类精度 　　中图分类号：P407.8 文献标志码：A 文章编号：2095-2945（2018）13-0022-03 　　Abstract： The common methods of supervised classification of remote sensing images can be divided into： parallelepiped classifier method， Mahalanobis distance method， maximum likelihood method， neural network method and support vector machine method. In this paper， the land cover and utilization of the same Landsat8 OLI data in Weizhou Town， Wenchuan County are classified by the five common supervised classification methods mentioned above in ENVI. Comparing the classification accuracy of various methods， we made an analysis of the causes of the differences， and then identify their actual production and application. 　　Keywords： supervised classification； parallelepiped； neural network； support vector machine； classification accuracy 　　1 概述 　　遥感图像的分类主要是利用计算机将遥感图像中的光谱和空间信息进行分析，提出不同地物之间的特征及边界，并利用一定的算法的各个像元划归到互不重叠的各个子空间之中。遥感图像的分类的主要依据是不同地物在图像上会反映出不同的亮度值（DN值），从而可以区分不同地物的差异。例如，河流、民宅、林地、草地、耕地等。 　　2 ENVI中基于遥感光谱图像分类方法 　　遥感影像通过亮度值或者像元值的高低差异（反映地物的光谱信息）以及空间变化（反映地物的空间信息）来表示不同地物的差异与区别，这是区分不同影像地物的物理基础。遥感影像分类就是利用计算机通过对遥感影像中各地类的光谱信息和空间信息进行分析，选择其中所包含的特征，将图像中的每个象元按照某种规则或者算法划分成为不同的类别，之后获得遥感影像中与实际地物所对应的信息，从而实现遥感影像的分类。 　　遥感图像的分类分为监督分类与非监督分类。 　　非监督分类与监督分类最本质的区别是是否存在训练样本。若不存在训练样本则称为非监督分类，非监督分类使用的算法是对影像上的光谱信息进行自动的聚合，聚合之后的所生成的不同地类需要后期人工进行判读；若存在训练样本则称为监督分类，监督分类是在计算机分类之前人工对影像选择若干样本区域的位置与样本类型，之后选择不同的分类器或不同的算法将影像中其他区域归入不同的样本中。无论是非监督分类还是监督分类都是基于光谱的分类方法，及基于遥感影像灰度值的分类方法。 　　3 实验区选择及实验方法 　　本文所选择的实验区为四川省阿坝州汶川县的Landsat-8 OLI为数据源，对原始数据进行6，5，4波段RGB真彩色合成（增强植被水域的对比）。选择汶川县威州镇为实验区，进行土地利用分类，以确定各种分类方法的精度比较。 　　3.1 训练样本可分离性判断 　　在进行分类之前，先进行人工样本选取，创建5个ROI感兴趣区训练样本，为耕地，住宅用地，林地/草地，水域和其他，并且分别用黄色，红色，绿色，蓝色以及紫色表示。然后先计算样本的可分离性。用Jeffries-Matusita和Transformed Divergence参数表示。这两个参数的值在0～2.0之间，大于1.9说明样本之间的可分离性良好，小于1.8需重新?x取样本，小