遥感技术应用14课件讲解.pptxVIP

技术应用遥感主讲人：刘颖超-遥感图像非监督分类-

CATALOG目录一PART非监督分类的概念三PART非监督分类的特点四PART非监督分类的分类方法二PART非监督分类的基本思想

PART01非监督分类的概念

非监督分类的概念事先对分类过程不施加任何先验知识，仅凭遥感图像地物的光谱特征的分布规律，进行自动分类。其类别的属性是通过分类结束后目视判读或实地调查确定的。非监督分类聚类分析

PART02非监督分类的基本思想

非监督分类的基本思想先选择若干个模式点作为聚类中心，每一中心代表一个类别，按照某种相似性度量，如最小距离方法，将各模式归于各聚类中心所代表的类别，形成初始分类。根据初始分类是否合理进行修改，反复迭代直到合理为止。

PART03非监督分类的特点

非监督分类的特点（1）不需要预先对所分类别的区域有广泛的了解，需要用一定的知识来解释得到的集群组。（2）人为误差的机会减少。（3）量小的类别能被区分。（4）得到的集群组类别不一定对应分析者想要的类别。（5）难对产生的类别进行控制。（6）不同图像之间的对比困难。

PART04非监督分类的分类方法

非监督分类的分类方法选择m个类的初始中心。按照到类中心距离最小的原则对像元分类。重新计算类中心。若类中心不变，则算法结束。算法准则算法步骤多模式点到类别中心的距离的平方和最小。第一种方法：K-均值聚类法

非监督分类的分类方法此种分类方法的缺点算法的结果受到所选聚类中心的数目和其初始位置以及模式分布的几何性质和读入次序等因素的影响。在迭代过程中没有调整类数的措施，因此可能产生不同的初始分类得到不同的结果。可以通过其它的简单的聚类中心试探方法，如最大最小距离定位法，来找出初始中心，提高分类效果。

非监督分类的分类方法K-均值算法是逐个样本修正，即每调整一个样本的类别就重新计算一次各类样本的均值。而ISODATA算法是成批样本修正，即每次把所有样本都调整完毕之后才重新计算一次各类样本的均值。K-均值算法没有调整类数的措施。ISODATA算法不仅可以通过调整样本所属类别完成样本的聚类分析，而且可以自动地进行类别的“合并”和“分裂”，从而得到类数比较合理的聚类结果。第二种方法：ISODATA算法聚类分析不同点

非监督分类的分类方法（4）（1）（2）（3）（5）（6）（7）初始化。选择初始中心。按一定规则对所有像元划分，如距离最小。重新计算每个集群的均值和方差，按初始化的参数进行分裂和合并。结束，若迭代次数超限或者两次迭代之间类别均值变化小于阈值。否则，重复上面的第三、第四、第五步。确认类别，精度评定。ISODATA的算法步骤

影像解译它是以地物的光谱特性曲线为基础，假定同类地物的光谱特性曲线相似作为判决的标准。设置一个相似阈值一种基于最近邻规则的试探法第三种方法：平行管道法聚类分析同类地物在特征空间上表现为以特征曲线为中心，以相似阈值为半径的管子，此即为所谓的“平行管道”。

CourseSummary课程小结一PART非监督分类的概念三PART非监督分类的特点四PART非监督分类的分类方法二PART非监督分类的基本思想

技术应用遥感-谢谢观看-