项目七任务二遥感图像监督分类.ppt

遥感图像分类处理 电话： E-Mail: 一、监督分类的思想 监督分类是一种先识别后分类的方法。该方法首先要进行分类训练，即选择一些有代表性的实验样区，用样区内的各种地物的光谱特征来训练计算机，使计算机取得识别分类判别规则的先验知识，再根据这些先验知识来对未知类别像素进行分类识别。即是利用已知地物的信息对未知地物进行分类的方法。 任务二 遥感图像监督分类 二、监督分类的分类算法 监督分类的分类算法：参数型和非参数型。 参数型分类算法假设一个特定的类别的统计分布一般为正态分布，然后估计这个分布的参量，以用于分类算法中。 非参数型分类算法则对类的分布不做假设。 参数型分类算法：最大似然法、最小距离法和决策树分类法等。 非参数型分类算法：特征空间和平行六面体法等。 任务二 遥感图像监督分类 二、监督分类的分类算法 （一）参数型分类算法 最大似然法是基于贝叶斯准则的分类错误概率最小的一种非线性分类，是最常用的分类方法之一，该方法假设遥感图像中每一个波段都近视服从正态分布，逐点计算图像中的每个像元数据与每一个给定的似然度，然后把像元分到似然度最大的类别中去的方法。 1.最大似然法（Maximum Likelihood Classifier） 任务二 遥感图像监督分类 二、监督分类的分类算法 （一）参数型分类算法 它的基本原理：用特征空间中的距离表示像元数据和分类类别特征的相似程度，在利用训练数据获得了各个类别的特征参数后，对于一个未知像元，首先计算它与各个类别特征向量或代表向量的距离，然后比较距离的大小，把未知像元归并到距离最小（相似度最大）的类别中去。 2.最小距离法（Minimum Distance Classifier） 任务二 遥感图像监督分类 二、监督分类的分类算法 （二）无参数型分类算法 在多光谱遥感数据构成的光谱空间中，各项训练区样本的特征向量分别产生各自的平行四边形，每一个平行四边形为一类，平行四边形的中心是训练区样本类的均值向量，平行四边形的边界由样本类的标准差乘以分类者确定的乘数来限定。像素落在哪个平行四边形就属于哪一类，落在外面的像素被标识为“未分类”。 1.平行六面体法（Parallelepied） 任务二 遥感图像监督分类 三、监督分类的分类步骤 监督分类的分类步骤： 1.定义分类模板。主要是精确确定训练区样本。 2.评价分类模板。以训练区样本为对象，选择监督分类算法计算分类模板的分类精度，满足精度则进行下一步；若不满足精度，则根据计算的结果并重新采样修改分类模板，然后重新进行分类模板的评价直到满足分类模板精度的要求。 3.执行监督分类。按选择的监督分类算法和规则进行分类。 4.评价分类结果。 任务二 遥感图像监督分类 1.定义分类模板。 第一步：显示需要分类的遥感图像。 定义分类模板的操作包括分类模板的生成、管理和编辑等，这些操作都需要在分类模板的编辑器完成的。 1.定义分类模板。 第二步：打开分类模板编辑器。 1.定义分类模板 第三步：调整分类编辑器中属性字段表。 1.定义分类模板 第四步：获取分类模板信息。 1.定义分类模板 第五步：保存分类模板。 2.评价分类模板 分类模板建立后，就可以对其进行评价、删除、更名、与其他分类模板合并等操作。 分类模板的评价工具包括：分类预警（Alarms）、可能性矩阵（Contingency Matrix）、特征对象（Feature Obiects）、特征空间到图像掩膜（Feature Space to Image Masking）、直方图方法（Histograms）、分离性分析（Separability）和分类统计分析（Statistics）等。 2.评价分类模板 （1）分类预警评价 第1步：产生分类预警掩膜。 第2步：删除分类预警掩膜 2.评价分类模板 （1）分类预警评价 3.执行监督分类 监督分类实质上就是依据所建立的分类模板，在一定的分类算法条件下，对图像像元进行聚类判断的过程。 4.评价分类结果 执行了监督分类之后，需要对分类效果进行评价，ERDAS系统提供了多种分类评价方法，包括分类叠加（Classification Overlay）、定义阈值（Thresholding)、分类重编码（Record Classes）和精度评估等。 4.评价分类结果 第1步：打开原始图像 分类精度评估 4.评价分类结果 第2步：启动精度评估对话框 分类精度评估 第3步：打开分类专题图像 4.评价分类结果 分类精度评估 第4步：将原始图像视窗与精度评估视窗相