遥感图像分类2-非监督分离.ppt

分类后专题图的平滑处理 中间像素B的 邻接像素有六 个C，所以将 B调整为C 中间像素B的 邻接像素没有 六个C，所以 B不变。 处理原则服从多数原则： 分类后专题图的平滑处理 平滑前后的一个例子： 原 始 图 像 计 算 机 自 动 分 类 人 工 干 预 ●基于ENVI/ISODATA法非监督分类之图像运算 第一步：启动ENVI ▲ENVI的菜单面板 ?交互式数据语言(IDL)界面,是一种用于图像处理的功能强大的结构化程序语言. ●基于ENVI/ISODATA法非监督分类之图像运算 第二步：打开待分类图像 ●基于ENVI/ISODATA法非监督分类之图像运算 第三步：选择图像运算算法 ●基于ENVI/ISODATA法非监督分类之图像运算 ▲Change Threshold：变化阈值(指两次分类结果相比,每一类变化的像元数所占的最大百分比小于阈值时,结束迭代过程). ▲Minimum # Pixel in Class:形成一类所需的最少像元数(如果某一类中的像元数少于该阈值,则该类将被删除,其中的像元被归并到距离最近的类中). 第四步：设置图像运算参数 ●基于ENVI/ISODATA法非监督分类之图像运算 ▲Maximum Class Stdv：最大分类标准差 (若某一类的标准差比所设定的该阈值大,则该类被拆分成两类). ▲Minimum Class Distance:类均值之间的最小距离阈值(若类均值之间的距离小于该阈值,则类别将被合并) ▲Maximum # Merge Pairs:被合并成对的最多类别数 ●基于ENVI/ISODATA法非监督分类之图像运算 ▲Maximum Stdv From Mean：距离类别均值的最大标准差(可选). ▲Maximum Distance Error:所允许的最大距离误差(可选). NOTE:若这两个可选参数都设定了,则分类时就用两者中较小的一个来判定将参与分类的像元;若都没有设定,则所有像元都将被分类. ◆遥感图像中的迭代法聚类分析 ?迭代方法: 首先给定某个初始分类，然后采用迭代算法找出使准则函数取极值的最好聚类结果。这一方法在遥感图像分类中通常被采用。 ?常见算法 2.K-均值法（K-means algorithm)非监督分类：首先假设图像上的目标要分为C个类别，然后计算数据空间上均匀分布的初始类别均值，最后用最短距离技术进行迭代，把它们聚集到最近的类中。 在K-均值算法中,每次迭代都要重新计算一次类别均值,并且用这一新的均值对像元进行再分类.另外,除非限定了标准差和距离的阈值(这时,如果一些像元不满足选择的标准，它们就不参与分类),否则所有像元都被归并到与其最邻近的类别中.这一过程持续每一类的变化像元数少于所规定的像元变化阈值或已经到了迭代的最多次数. ◆遥感图像中的迭代法聚类分析 ?迭代方法: 首先给定某个初始分类，然后采用迭代算法找出使准则函数取极值的最好聚类结果。这一方法在遥感图像分类中通常被采用。 ?常见算法 2.K-均值法（K-means algorithm)非监督分类：…… ●基于ENVI的遥感图像K-均值法非监督分类 ●基于ENVI的K-均值法非监督分类之图像运算 ▲Maximum Stdv From Mean：距离类别均值的最大标准差(可选). ▲Maximum Distance Error:所允许的最大距离误差(可选). NOTE:若这两个可选参数都设定了,则分类时就用两者中较小的一个来判定将参与分类的像元;若都没有设定,则所有像元都将被分类. ▲Change Threshold：变化阈值(指两次分类结果相比,每一类变化 的像元数所占的最大百分比小于阈值时,结束迭代过程). 视频演示 小 结 1、掌握非监督分类的操作流程 2、应用ERDAS中的ISODATA法,对TM12338图像上的水体进行信息提取. 提示：运行ISODATA法分类器-对初始分类结果进行类别判定-精度评价-分类后处理-利用recode提取水体. 遥感图像监督分类 预习 作业思考题 非监督分类法: 在没有先验类别(训练区)作为样本的条件下,即事先不知道类别特征的情况下,仅依靠影像上不同类地物光谱信息（或纹理信息）进行特征提取，再统计特征的差别来达到分类的目的，最后对已分出的各个类别的实际属性进行确认的方法. 非监督分类主要采用聚类分析方法,即把一组像素按照相似性归成若干类别(“物以类聚”),其目的是使得属于同一类别的像素之间的距离尽可能的小,而不同类别上的像素间的距离尽可能的大.其实现途径包括非迭代方法（如多级集群法）和迭代方法. 其中，迭代法聚类分析的过程是动态的，因此迭代法又称为动态聚类法，如ISODATA法（迭代自组织数据分析算法