图像非监督分类实习指导书.docxVIP

《遥感原理与应用》实习指导书 图像非监督分类 目录 TOC \o 1-5 \h \z \o Current Document 一实习的目的和要求 1 \o Current Document 二实习的名称和原理 1 \o Current Document 图像非监替分类概述 1 \o Current Document 三实习的内容和步骤 1 1.遥感图像分类（I）——非监督分类 1 \o Current Document （1） 获取初始分类 1 （2） 调整分类结果 3 \o Current Document 四报告要求 6 一实习的目的和要求 了解非监督分类的含义； 掌握非监督分类的过程和方法。 二实习的名称和原理 图像非监督分类概述 常规的图象分类方法主要有两种方法：非监督分类和监督分类；专家分类是近年来发展 起来的新兴分类方法 非监督分类（unsupervised classification）指不必对影像地物获取先验知识，仅依靠影像 上不同类地物的光谱信息（或纹理信息）进行特征提収，以提取出统计特征的差别來达到分 类目的的分类方法。非监督分类主要釆用聚类分析方法，聚类是把一组象元按照相似性归成 若干类别，即“物以类聚”。其目的是使得属于同一类别的象元Z间的距离尽可能的小而不 同类别象元间的距离尽可能的大。常用的方法有ISODATA （迭代自组织数据分析方法）和K —means 等。 运用 ISODATA （Iterative Self-Organizing Data Analysis Technique）算法（基于最小光谱距离 公式），完全按照像元的光谱特性进行统计分类，常常用于对分类区没有什么了解的情况。 非监督分类的一般步骤：聚类过程始于任意聚类平均值或一个已有分类模板的平均值; 聚类每重复一次，聚类的平均值就更新一次，新聚类的均值再用于下次聚类循环。ISODATA 实用程序不断重复，直到最大的循环次数已达到设定阈值或者两次聚类结杲相比有达到要求 百分比的像元类别己经不再发生变化。 三实习的内容和步骤 1.非监督分类 1. 非监督分类 ERDAS IMAGINE使用ISODATA算法进行非监督分类。聚类过程始于任意聚类平均值或一 个已有模板的平均值；每重复一次，聚类的平均值就更新一次，新聚类德均值再用于下一次 聚类循环。ISODATA实用程序不断重复，直到最大的循环次数已达到设定阈值，或者两次聚 类结果相比，达到百分比要求的像元类别已经不再发生变化。 应用非监督分类方法进行遥感图像分类时，首先需要调用系统提供的非监督分类方法进 行初步分类，获得初步分类的结果，而后再将初步分类结果进行一系列的调整分析，得到最 终的分类结果。 （1）获取初始分类 第1步：非监督分类 调出非监替分类对话框的方法有以下两种： ERDAS图标面板工具条：点击Dataprep图标一Data preparation菜单一在菜单中单击 Unsupervised Class i fi cat ion 菜单项打开 Unsupervised Classi fi cat ion 对话框（图 l）o ERDAS图标面板工具条：点击Classifier图标一Classification菜单项一在菜单中单 击 Unsupervised Classification 菜单项一打开 Unsupervised Classification 对话框(图 2)o 图 1 Unsupervised Classification 对话框（方法一） 图 2 Unsupervised Classification 对话框(方法二) 可以看出两种方法调lB的Unsupervisod Classif icat ion对话框有一些区别。 第2步：进行非监督分类 在Unsupervised Classification对话框中进行下列设置。 确定输入文件(Input Raster File)为germtm. img (被分类的图像)。 确定输出文件(Output File)为germtm isodata, img (产生的分类图像)。 选择生成分类模板文件：Output Signature Set (产生一个模板文件)。 确定分类模板文件(Filename)为germtm」sodata.sig。 确定聚类参数(Clustering Options),需要确定初始聚类方法与分类数。 系统提供的初始聚类方法有以下两种。 Initialize from Statistics方法是按照图像的统计值产生自由聚类。 Use Signature Means方法是按照选定的模板文件进行非监督分类。 确定聚类参数(Number of Classes)为10。(分出10个类别