envi中监督分类方法及参数说明.docxVIP

ENVI中监督分类方法及参数说明 （2011-10-10 09:56:27） 标签： 分类：ENVI/IDL学习 转载 原文地址：ENVI中监督分类方法及参数说明作者： ENVIIDL 根据分类的复杂度、精度需求等选择一种分类器。在主菜单 -Classificatio n- Supervised-〉分 类器类型（如表 6.1），此外还包括应用于高光谱数据的波谱角（ Spectral Angle Mapper Classification ）、光谱信息散度（Spectral In formation Diverge nee Classification ）和二进制编码 （Binary Encoding Classification）分类方法。 表6.1六种监督分类器说明 分类器 说明 平仃六面体（Parallelpiped） 根据训练样本的亮度值形成一个 n维的平行六面体数 据空间，其他像元的光谱值如果落在平行六面体任何一 个训练样本所对应的区域，就被划分其对应的类别中。 平行六面体的尺度是由标准差阈值所确定的， 而该标准 差阈值则是根据所选类的均值求出。 最小距离(Minimum Distanee ) 利用训练样本数据计算出每一类的均值向量和标准差 向量，然后以均值向量作为该类在特征空间中的中心位 置，计算输入图像中每个像元到各类中心的距离， 到哪 一类中心的距离最小，该像元就归入到哪一类。 马氏距离(Mahalanobis Distanee ) 计算输入图像到各训练样本的马氏距离 （一种有效的计 算两个未知样本集的相似度的方法） ，最终统计马氏距 离最小的，即为此类别。 最大似然 (Likelihood Classification ) 假设每一个波段的每一类统计都呈正态分布， 计算给定 像元属于某一训练样本的似然度，像元最终被归并到似 然度最大的一类当中。 神经网络 (Neural Net Classification ) 指用计算机模拟人脑的结构，用许多小的处理单兀模拟 生物的神经元，用算法实现人脑的识别、记忆、思考过 程应用于图像分类。 支持向量机 ( Support Vector Mach ine Classificatio n) 支持向量机分类（SVM）是一种建立在统计学习理论 （Statistical Learning Theory 或 SLT 基础上的机器学习 方法。SVM可以自动寻找那些对分类有较大区分能力 的支持向量，由此构造出分类器，可以将类与类之间的 间隔最大化，因而有较好的推广性和较高的分类准确 率。 选择不同的分类器器需要设置的参数不一样。 1. 平行六面体 （1） 在主菜单中，选择 Classification-Supervised-Parallelpiped，在文件输入对话框 中选择TM分类影像，单击 OK按钮打开Parallelpiped参数设置面板（图 6.4 ）。 （2） SelectClasses from Regio ns：单击 Select All Items 按钮，选择全部的训练样本。 （3） Set Max stdev from Mean :设置标准差阈值，有三种类型： l None：不设置标准差阈值； l Single Value：为所有类别设置一个标准差阈值； l Multiple Values :分别为每一个类别设置一个标准差阈值。 选择 Single Value,值为 3。 （4） 单击Preview，可以在右边窗口中预览分类结果，单击 Change View可以改变 预览区域。 （5） 选择分类结果的输出路径及文件名。 （6） 设置Out Rule Images为Yes选择规则图像输出路径及文件名。 （7） 单击OK按钮执行分类。 图6.4平行六面体分类器参数设置面板 2. 最小距离 （1） 在主菜单中，选择 Classification-Supervised- Minimum Distanee，在文件输入 对话框中选择 TM分类影像，单击 OK按钮打开 Minimum Distanee参数设置面板（图 6.5）。 （2） SeleetClasses from Regio ns：单击 Select All Items 按钮，选择全部的训练样本。 （3） Set Max stdev from Mean :设置标准差阈值，有三种类型： l None：不设置标准差阈值； l Single Value：为所有类别设置一个标准差阈值； l Multiple Values :分别为每一个类别设置一个标准差阈值。 选择 Single Value,值为 4。 （4） Set Max Dista nee Error :设置最大距离误差，以 DN值方式输入一个值，距离大 于该值的像元不被分