遙感圖像的分類實驗報告

1、精選優(yōu)質(zhì)文檔-傾情為你奉上一、 實驗名稱遙感圖像的監(jiān)督分類與非監(jiān)督分類二、 實驗?zāi)康睦斫膺b感圖像監(jiān)督分類及非監(jiān)督分類的原理；掌握用ENVI對影像進行監(jiān)督分類和非監(jiān)督分類的方法，初步掌握圖像分類后的相關(guān)操作；了解整個實驗的過程以及實驗過程中要注意的事項。三、 實驗原理監(jiān)督分類：又稱訓練分類法，用被確認類別的樣本像元去識別其他未知類別像元的過程。它是在分類之前通過目視判讀和野外調(diào)查，對遙感圖像上某些樣區(qū)中影像地物的類別屬性有了先驗知識，對每一種類別選取一定數(shù)量的訓練樣本，計算機計算每種訓練樣區(qū)的統(tǒng)計或其他信息，同時用這些種子類別對判決函數(shù)進行訓練，使其符合于對各種子類別分類的要求， 隨后用訓練好的

2、判決函數(shù)去對其他待分數(shù)據(jù)進行分類。非監(jiān)督分類：也稱為聚類分析或點群分類。在多光譜圖像中搜尋、定義其自然相似光譜集群的過程。它不必對影像地物獲取先驗知識，僅依靠影像上不同類地物光譜(或紋理) 信息進行特征提取，再統(tǒng)計特征的差別來達到分類的目的，最后對已分出的各個類別的實際屬性進行確認。目前比較常見也較為成熟的是ISODATA、K-Mean和鏈狀方法等。四、 數(shù)據(jù)來源本次實驗所用數(shù)據(jù)來自于國際數(shù)據(jù)服務(wù)平臺；landsat4-5波段30米分辨率TM第三波段影像，投影為WGS-84，影像主要為山西省大同市恒山地區(qū)，中心緯度：38.90407 中心經(jīng)度：113.11840。鑒于實驗內(nèi)容及圖像大小等問題，

3、故從一景TM影像中裁取一個含有較豐富地物信息區(qū)域作為待分類影像。五、 實驗過程1.監(jiān)督分類1.1打開并顯示影像文件，選擇合適的波段組合加載影像打開并顯示TM影像文件，從 ENVI 主菜單中，選擇File Open Image File選擇影像，為了更好地區(qū)分不同地物以及方便訓練樣本的選取，選擇5、4、3波段進行相關(guān)操作，點擊Load Band 在主窗口加載影像。1.2使用感興趣區(qū)（ROI）工具來選擇訓練樣區(qū)1）主影像窗口菜單欄中，選擇 Overlay >Region of Interest。出現(xiàn)ROI Tool對話框， 2）根據(jù)不同的地物光譜特征，在圖像上畫出包含該類地物的若干多邊形區(qū)域

4、，建立相應(yīng)的感興趣區(qū)域，輸入對應(yīng)的地物名稱，更改感興趣區(qū)對應(yīng)的顯示色彩。由于該地區(qū)為山西省北部，地物相對單一，故分為以下幾類：裸地、草地、灌木林、農(nóng)田、水體、人類活動區(qū)、云層，陰影。1.3選擇分類方法進行分類 1）主菜單中，選擇Classification>Supervised，在對應(yīng)的選項菜單中選擇分類方法，對影像進行分類。以最小距離法（Minimum Distance）為例進行說明。選擇Minimum Distance選項，出現(xiàn)Classification Input File對話框，在該對話框中選擇待分類圖像。2）在出現(xiàn)的Minimum Distance Parameters對話框

5、中，select Ttems選擇訓練樣本，定義相關(guān)參數(shù)，選擇輸出路徑。點擊ok完成分類，結(jié)果如圖：2.非監(jiān)督分類非監(jiān)督分類方法有K-均值分類法及ISOData( 重復自組織數(shù)據(jù)分析技術(shù))，本次實驗報告以K-均值分類方法為例進行說明。1）主菜單中 , 選擇 Classincation>Unsupervised>K-Means。在Classification Input File對話框中選擇待分類影像文件。2）在K-Means Parameters對話框中定義相關(guān)參數(shù)，其中，可定義參數(shù)有：分類類別數(shù)，像元變化閾值，用于分類的最多迭代次數(shù)以及可選的距離閾值。選擇結(jié)果輸出位置，點擊OK完成

6、分類。3.分類后處理我們需要對分類后的影像進行后處理，評價其分類的精度，這里以監(jiān)督分類結(jié)果為例進行說明。3.1更改類別名稱及顏色主圖像窗口，Overlay->classification,出現(xiàn)Select Input file對話框，選擇分類結(jié)果，點擊OK。在Interactive Class TOOL對話框的option下拉菜單中選擇Edit colors/names選項，在彈出的對話框中選擇類別更改其名稱顏色。3.2分類結(jié)果微調(diào)包括刪除或者合并小斑點。1）將要修改的類別置于激活狀態(tài)，點擊Edit下拉菜單，選擇Mode :polygon Add to class 將分類錯誤的點與周圍區(qū)

7、域點合并。選擇Mode :polygon delete from class將錯誤點剔除。2）主菜單classification->Post classification->sieve classes打開sieve parameters對話框，選擇訓練樣本，及最小剔除像素，選擇輸出位置，完成操作。圖為采用八聯(lián)通域?qū)⑾袼匦∮?的點刪除。3.3混淆矩陣精度驗證1）選取驗證樣本，與監(jiān)督分類操作類似，選擇不同的感興趣區(qū)域，保存ROI,作為選擇訓練樣本。2）進行精度驗證，主菜單classification->Post classification->Using Ground Tr

8、uth ROI，選擇分類圖像。對應(yīng)分類結(jié)果和驗證樣本點擊ok得到精度驗證結(jié)果。3.4分類統(tǒng)計主菜單classification->Post classification->class statistics，在彈出的對話框中輸入分類結(jié)果,點ok下一個對話框輸入原圖像ok。在彈出的select classes對話框中選擇訓練樣本。選擇輸出顯示類型，點擊ok得到統(tǒng)計結(jié)果。3.5分類結(jié)果轉(zhuǎn)換為矢量主菜單classification->Post classification-> classification to vector,彈出對話框中選擇分類結(jié)果影像。選擇訓練樣本及矢量文件輸出位置，點擊ok完成矢量化。矢量化結(jié)果如下：六、 實驗結(jié)果與分析1、監(jiān)督分類結(jié)果分析將分類結(jié)果與原圖像進行對比可發(fā)現(xiàn)分類結(jié)果基本符合要求，農(nóng)田與建筑的分布具有較強的統(tǒng)一性，符合相關(guān)常識。2、非監(jiān)督分類結(jié)果分析3、圖為經(jīng)過主次要分析的分類結(jié)果與原圖對比，可發(fā)現(xiàn)去除了一些噪聲點，分類結(jié)果相對較好。4、分類結(jié)果精度評價分析由于監(jiān)督分類，訓練樣本及驗證樣本的選擇失誤，圖像的分類精度為83%基本符合要求，但不是太高，從精度報表中可看出，誤差來源主要為灌木林與草地之間的差異，其他地物的分類結(jié)果基本上比較精確。七、實驗心得與體會本次實為