envi图像分类实验.pdfVIP

实验三 ENVI 图像分类实验指导 实验目的： 通过上机操作，了解遥感图像分类的几种常用的分类方法与过程，熟悉ENVI软件中图像分 类的方法与分类后处理的过程。 实验内容： 1、 分类：  遥感影像的像元分类方法可以归纳为三类：监督分类——根据类别的先验知识确定 判别函数和相应的判别准则，先选定一定数量的已知类别的样本训练区，由训练区 的特征值确定判别函数中的待定参数，然后将未知类别的样本的观测值代入判别函 数，在依据判别准则对该样本的所属类别做出判定，从而实现所用地区的分类。  非监督分类——没有先验知识，直接把样本划分为若干个类别的方法就是非监督分 类，或者称作聚类。它是根据相似性对样本进行合并或分离的。常用的非监督分类 方法主要有两种：K-均值算法（K-mean ）和迭代自组数据分析算法（ISODATA）。  决策树分类——决策树分类器是一个典型的多级分类器，它由一系列二叉决策树构 成，用于将像元归属到相应的类别。每个决策树依据一个表达式将图像中的像元分 为两类。每一个新生成的类别又可以根据其他的表达式继续向下分类。 2、 分类后处理 3、 分类精度评价 实验数据： 融合后的SPOT5影像（SPOT5_FusionImage）及其对应的DEM数据，影像和DEM经过了 精确配准。其中，融合后的SPOT5影像有3个波段，R、G、B分别对应NIR （近红外）、R （红波段）、G （绿波段）。 实验方法与步骤： 一、 监督分类 监督分类：又称训练分类法，用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。 遥感影像的监督分类一般包括以下6 个步骤： （1）类别定义：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； （2 ）特征判别：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； （3 ）样本选择：为了建立分类函数，需要对每一类别选取一定数目的样本； （4 ）分类器选择：根据分类的复杂度、精度需求等确定哪一种分类器； （5 ）影像分类：利用选择的分类器对影像数据进行分类，有的时候还需要进行分类后处理； （6 ）结果验证：对分类结果进行评价，确定分类的精度和可靠性。 图 1监督分类一般流程 1、 样本（ROI）的选择与优化 什么是ROI ？ ROI 就是Region Of Interest （感兴趣区域），通过ROI 工具，可以在遥感影 上选出任意形状的区域作为ROI 。 ROI的作用：定义类别、进行样本的选择。 注意：在某影像上画出的感兴趣区域只属于该图像，而不属于其他图 （分类前的图像和分 类后的图像可以共享ROI 区域），即使这两幅图像的地理坐标系一致，因为ROI 区域没有附 带坐标信息。让 ROI 附带上地理坐标信息的最好方法是把 ROI 区域转换为矢量格式数据 （.evf）。 注意：在绘制 ROI 区域时要求力求准确，绝不可以大概绘制。只有做到准确，才能够获得 精确的分类结果。 1）训练样本的提取（ROI 区的选择） （1）. 显示要进行分类的SPOT5_FusionImage 影像。 （2 ）. 在Image 窗口（主图像窗口）中右键选择RIO tool 打开感兴趣区选择工具。另外， ROI tool 的打开方式还有ENVI: Basic Tools Region Of Interest ROI tool ，或者在 Image 窗口的菜单栏中选择OverlayRegion of Interest。 图 2 图 3 ROI tool 可以进行样本选择，可以进行样本编辑（名称，颜色，填充方式等