ERDAS分类后处理与ArcGIS数据交换 .pdfVIP

基于专家知识的决策树分类

可以将多源数据用于影像分类当中，这就是专家知识的决策树分类器，本专题以ENVI中

DecisionTree为例来叙述这一分类器。

概述

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，最大的特点是利用的多源数据。

如图1所示，影像+DEM就能区分缓坡和陡坡的植被信息，如果添加其他数据，如区域图、

道路图土地利用图等，就能进一步划分出那些是自然生长的植被，那些是公园植被。

图1专家知识决策树分类器说明图

专家知识决策树分类的步骤大体上可分为四步：知识（规则）定义、规则输入、决策树运行

和分类后处理。

1.知识（规则）定义

规则的定义是讲知识用数学语言表达的过程，可以通过一些算法获取，也可以通过经验总结

获得。

2.规则输入

将分类规则录入分类器中，不同的平台有着不同规则录入界面。

3.决策树运行

运行分类器或者是算法程序。

4.分类后处理

这步骤与监督/非监督分类的分类后处理类似。