遥感图像分类分析.pptxVIP

会计学1 ENVI/IDL根据方法类型划分为以下几种信息提取种类：6.1 分类类型第1页/共53页 ENVI/IDL每一种方法都有各自的适用范围，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。6.1 分类类型第2页/共53页 ENVI/IDL1、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。6.1 分类类型第3页/共53页 ENVI/IDL2、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。6.1 分类类型第4页/共53页 ENVI/IDL遥感影像的监督分类一般包括以下6 个步骤，如下图所示：6.2 监督分类第5页/共53页 ENVI/IDL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。6.2 监督分类第6页/共53页 ENVI/IDL第二步：样本选择第一种方法，直接使用ROI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Overlay-Region of Interest，默认ROIs 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ROI）。（3） 在ROI Tool 中，ROI Name 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Display 中，定位到一个地物类型比较多的地方，将image 窗口拉大一些，选择Enhance-[Image]Linear 2%，根据image 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Display 显示RGB:432，有利于区分植被，将两个窗口进行link Displays。6.2 监督分类第7页/共53页 ENVI/IDL（6） 结合目视解译结果，选择Image 或者ZOOM 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。6.2 监督分类第8页/共53页 ENVI/IDL第二种方法，在散点图上进行选择（1）在主图像上，选择tools 2D 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 image：dance选择的条件下，按住鼠标中键可以看到一定范围（option set patch size）散点图与显示图像的对应关系。（3）如果绘制不满意，可以从类别中删除，在散点图上选择class white,绘制一个包含要删除的点进行删除，删除的点恢复为白色，或者在散点图上点击鼠标右键，选择clear cl