遥感图像类剖析.ppt

6-遥感图像分类 刘海新 河北工程大学资源学院 电话ENVVIDL  6.1分类类型 每一种方法都有眢自的适用范围,人工解译:适用定性 信息的提取,也就是在图像上通过肉眼能分辨的信息 基于光谱的计算机分类,对于中低分辨率的多光谱影像 效果明显(小于10米);基于专家知识的决策树分类 需要多源数据支持;面向对象分类方法:随着高分辨 率影像的出现而发展起来的;地物识别与地表反演:定 量信息提取,需要模型的支持;变化监测:多时相影像 支持;地形信息提取,需要立体像对的支持。 ENVVIDL  6.1分类类型 ◇1、监督分类 ◇监督分类:又称训练分类法,用被确认类别的样本像元去识别其他 未知类别像元的过程。它就是在分类之前通过目视判读和野外调查 对遥感图像上某些样区中影像地物的类别属性有了先验知识,对每一 种类别选取一定数量的训练样本,计算机计算每种训练样区的统计或 其他信息,同时用这些种子类别对判决函数进行训练,使其符合于对 各种子类别分类的要求,随后用训练好的判决函数去对其他待分数据 进行分类。使每个像元和训练样本作比较,按不同的规则将其划分到 和其最相似的样本类,以此完成对整个图像的分类。 ENVVIDL  6.1分类类型 2、非监督分类 非监督分类又称“聚类分析”或“点群分类”。在多光谱图像中搜寻 定义其自然相似光谱集群的过程。此方法不需获取先验知识,仅仅依 靠图像上不同类型的光谱信息进行特征提取,再统计特征的差别来达到 分类的目的,最后对已分类的实际属性进行确认 3、基于专家知识的决策树分类 基于知识的决策树分类是基于遥感影像数据及其他空间数据,通过专 家经验总结、简单的数学统计和归纳方法等,获得分类规则并进行遥感 分类。分类规则易于理解,分类过程也符合人的认知过程,最大的特点 是利用多源数据。 ENVVIDL  6.2监督分类 遥感影像的监督分类一般包括以下6个步骤,如下图所示: 类别定义/特征判别 样本选择 最大似然 最小距离 分类器选择 马氏距离 神经网络 支持向量机 影像分类 其他 分类后处理 结果验证 ENVVIDL  6.2监督分类 第一步:类别定义/特征判别 根据分类目的、影像数据自身的特征和分类区收集的信息 确定分类系统;对影像进行特征判断,评价图像质量,决定 是否需要进行影像增强等预处理。这个过程主要是一个目视 查看的过程,为后面样本的选择打下基础。 本例类别分为:林地、居民地、耕地、未利用土地、水体 五类。 ENVVIDL  6.2监督分类 第二步:样本选择 第一种方法,直接使用R0|来进行选择 (1)打开分类图像can_tmr.img,以RGB:543显示 (2)在 Display中选择 Over lay- Region of Interest,默认R0ls为多边形, 按照默认设置在影像上定义训练样本(即绘制感兴趣区R0 (3)在R0|Tool中,R0|Nme一栏单击两次左键,输入样本名称:林地,回 车输入。同时设置好类别颜色。 (4)在 Di splay中,定位到一个地物类型比较多的地方,将 I mage窗口拉大 些,选择 Enhance-[mage] Linear2%,根据 I mage窗口的直方图进行2%的线性拉 伸,这样能得到比较好的视觉效果,有利于样本的选择。 (5)同时为了能更好的区分林地,新开一个 Di sp lay显示ReB:432,有利于区分 植被,将两个窗口进行 I ink Di sp lays ENVVIDL  6.2监督分类 (6)结合目视解译结果,选择 Image或者z00M窗口中绘制“林地”的多边 形样本,样本在全图中近似均匀分布。 (7)重复(3)(6)步骤,分别为居民地、耕地、未利用土地、水体选择样本 注:1、样本选择是一个非常重要的过程,直接影响分类精度。在样本选择过 程中,有很多辅助方法,如上面的可以显示不同的假彩色合成窗口,也可以 进行主成分分析后进行假彩色合成,由于去除了波段间的相关性,不同地物 区分的更加明显;还可以借助 Google earth辅助解译。 ENVVIDL  6.2监督分类 第二种方法,在散点图上进行选择 (1)在主图像上,选择toos2 D scatter plots,将1波段作为X,4波段作 为Y,原理是选择相关性较小的波段 (2)在散点图上,用鼠标左键点击包围所需要区域的多边形顶点,鼠标右键 闭合多边形,闭合后所选区域会在主图像窗口显示,为了确定散点图与显示 窗口中地物的对应关系,在 option〉 I mage: dance选择的条