6.6 非监督分类作物育种学.pdf

地球信息科学与空间技术 第六章 遥感图像处理技术 6.6 非监督分类 非监督分类 非监督分类也称为聚类分析或点群分析 ，即在多光谱图像中搜寻、定义其自 然相似光谱集群组的过程。仅需要极少的人工初始输入 ，计算机按一定规则 自动地根据像元光谱或空间等特征组成集群组 ，然后分析者将每个组与参考 数据比较 ，将其划分到某一类别中去。 非监督分类 最常用的非监督分类方法为ISODATA算法。ISODATA算法即迭代自组织数 据分析技术。 ISODATA算法输入参数有： 01 最大的集群组数量 02 各类集群中心变化的阈值 03 最大迭代次数或最长运行时间 非监督分类 04 每个集群组中最小的像元数量、最大的标准方差 05 集群合并标准——两集群均值间容许的最小距离，小于该值则合并 06 集群分裂标准——每类集群所容许的最大标准方差，通常为0 非监督分类 ISODATA步骤 01 随机选择集群中心 02 计算其他像元到中心的距离，按最小距离规则划分到对应的集群中 03 重新计算集群的均值，按照定义的参数合并或分类集群 04 重复2、3 ，直到达到最大不变像元百分比或最长运转时间 非监督分类 经ISODATA 算法得到的集群组只是一些自然光谱组 ，需要分析者将每个集群 组归到对应的类别中。一般先将一些易于识别的组归类后 ，留下难以归类的 图像 ，重新运行ISODATA算法 ，直到所有集群组能够归类。 非监督分类 非监督分类的优点 01 不需要预先对所要分类的区域有广泛的了解 02 人为误差机会的减少 03 独特的、覆盖量小的类别均能够被识别 非监督分类 非监督分类的缺点 01 需要大量的后处理 02 较难对产生的类别进行控制，集群与类别的匹配难度大 03 光谱特征随时间、地形等变化，不同图像之间的对比困难