基于统计模式识别遥感影像像元分类.docxVIP

实习1 基于统计模式识别遥感影像像元分类 1.1问题提出 将地物分为8类：有作物农田（cultivated_farmland）、无作物农田（uncultivated_farmland）、林地（woodland）、草地（grassland）、水体（waterbody）、人工建筑（artificial_building）、裸土（nudeland）和道路（road）； 在创建感兴趣区时，要求每类地物ROI数量不少于3个，人工建筑类地物ROI数量不少于5个，人工建筑类用地的颜色种类较多，ROI应包含所有颜色的人工建筑； 在进行非监督分类时，类别的数量范围最小不能小于最终分类数量，最大应为最终分类数量的2~3倍。 1.2实验分析 遥感影像分类是利用计算机通过对遥感影像中各类地物的光谱信息和空间信息进行分析，选择特征，将图像中每个像元按照某种算法化为不同的类别，然后获得遥感图像中与实际地物的对应信息，实现遥感图像的分类。一般分类方法有监督分类和非监督分类。本实验主要分为三个部分，首先对所给图像数据进行监督分类，其次再进行非监督分类，最后验证不同分辨率的图像对分类精度的影响，由于本实验所给数据分别是多波段数据和全色波段数据，所以在这一部分首先需要对两幅图像进行融合，其次对得到的融合图像降低空间分辨率，得到一幅5m和15m的图像，再对这三幅图像进行监督分类，最后进行分类精度的评价。 1.3实验目标 （1）掌握地物的监督分类方法； （2）掌握地物的非监督分类方法； （3）验证不同空间分辨率的遥感影像对分类精度的影响。 1.4实验数据 IKONOS多光谱影像； IKONOS全色波段影像； class1.roi：1m空间分辨率的参考分类ROI模板。 1.5实验方案设计 （1）利用IKONOS多光谱影像进行监督分类； （2）利用IKONOS多光谱影像进行非监督分类； （3）将IKONOS多光谱影像4个波段与IKONOS全色波段数据进行融合； （4）将融合图像降低空间分辨率，分别得到分辨率为5m和15m的影像； （5）对空间分辨率为1m、5m和15m的影像进行分类； （6）分别对1m、5m和15m的图像进行分类精度评价。 1.6实验步骤 1.6.1 利用IKONOS多光谱影像进行监督分类。 （1）打开图像multispectral.img，波段4、3、2合成RGB显示在Display中。 （2）通过分析影像，定义8种地物样本为有作物农田（cultivated_farmland）、无作物农田（uncultivated_farmland）、林地（woodland）、草地（grassland）、水体（waterbody）、人工建筑（artificial_building）、裸土（nudeland）和道路（road）。 （3）在主图像窗口中，选择点击ENVI主菜单Basic Tools→Region of Interest→ROI Tool，在Window选项中点选Zoom，表示在Zoom窗口绘制ROI。 图1- SEQ 图1- \* ARABIC 1 ROI Tool对话框 （4）在Zoom窗口绘制ROI。例如水体的绘制，选择Ellipse进行绘制，绘制好图形后点击右键确认，将绘制好的ROI更名为waterbody，颜色改为蓝色。 （5）绘制好水体的ROI后，点击ROI Tool对话框的New Region按钮，继续绘制其它类地物的ROI。如果ROI绘制错误，可以利用ROI Tools中的Go To键，找到选错的那个样本区域，Delete即可。最终得到如图1-2所示的结果。 图1- SEQ 图1- \* ARABIC 2定义训练样本 图1- SEQ 图1- \* ARABIC 3 感兴趣区 （6）在ROI Tool对话框中点击File→Save ROIs，保存ROI文件。 （7）根据分类的精度要求不同，可以选择不同方法，这里用马氏距离法执行监督分类。在ENVI主菜单，点击Classification→Supervised（监督分类）→Mahalanobis Distance（马氏距离），选择输入文件multispectral，在接下来弹出的Mahalanobis Distance Parameters对话框中，按图1-4设置参数，点击OK。 图1-  SEQ 图1- \* ARABIC 4 参数设置对话框 评价分类结果。打开ENVI主菜单，点击Classification→Post Classification→Confusion Matrix→Using Ground Truth ROIs。 在Match Classes Parameters对话框中，选择要匹配的名称，单击Add Combination，将真实感兴趣区与分