《遙感原理與應(yīng)用》實(shí)驗(yàn)報(bào)告-影像分類

實(shí)驗(yàn)名稱：影像分類實(shí)驗(yàn)內(nèi)容對同一副遙感影像分別用監(jiān)督和非監(jiān)督兩種方法進(jìn)行分類，并對分類結(jié)果進(jìn)行比較；對同一種方法下的不同判別準(zhǔn)則（如最小距離準(zhǔn)則和最大似然分類）得到的分類結(jié)果進(jìn)行比較。實(shí)驗(yàn)所用的儀器設(shè)備，包括所用到的數(shù)據(jù)電腦一臺，Window7操作系統(tǒng)，遙感影像處理軟件（ENVI4.3）軟件，一幅多波段衛(wèi)星遙感影像，如圖1所示。實(shí)驗(yàn)原理監(jiān)督分類監(jiān)督分類的原理監(jiān)督分類（supervisedclassification）又稱訓(xùn)練場地法，是以建立統(tǒng)計(jì)識別函數(shù)為理論基礎(chǔ)，依據(jù)典型樣本訓(xùn)練方法進(jìn)行分類的技術(shù)。即根據(jù)已知訓(xùn)練區(qū)提供的樣本，通過選擇特征參數(shù)，求出特征參數(shù)作為決策規(guī)則，建立判別函數(shù)以對各待分類影像進(jìn)行的圖像分類，是模式識別的一種方法。要求訓(xùn)練區(qū)域具有典型性和代表性。判別準(zhǔn)則若滿足分類精度要求，則此準(zhǔn)則成立；反之，需重新建立分類的決策規(guī)則，直至滿足分類精度要求為止。常用算法有：平行算法、最小距離法、最大似然法等。最小距離分類：是指求出未知類別向量到要識別各類別代表向量中心點(diǎn)的距離，將未知類別向量歸屬于距離最小一類的一種圖像分類方法。最大似然分類：假定每個(gè)波段每一類統(tǒng)計(jì)呈均勻分布，并計(jì)算給定像元屬于一特定類別的可能性。除非選擇一個(gè)可能性閾值，所有像元都將參與分類，每一個(gè)像元被歸到可能性最大的那一類里。非監(jiān)督分類非監(jiān)督分類的原理非監(jiān)督分類也稱聚類分析。是指人們事先對分類過程不施加任何的先驗(yàn)知識，而僅憑數(shù)據(jù)，即自然聚類的特性，進(jìn)行“盲目”的分類；其分類的結(jié)果只是對不同類別達(dá)到了區(qū)分，但并不能確定類別的屬性，亦即：非監(jiān)督分類只能把樣本區(qū)分為若干類別，而不能給出樣本的描述；其類別的屬性是通過分類結(jié)束后目視判讀或?qū)嵉卣{(diào)查確定的。ISODATA分類ISODATA非監(jiān)督分類計(jì)算數(shù)據(jù)空間中均勻分布的類均值，然后用最小距離技術(shù)將剩余像元迭代聚集。每次迭代重新計(jì)算了均值，且用這一新的均值對像元進(jìn)行再分類。重復(fù)分類是分割、融合和刪除是基于輸入的閾值參數(shù)的。除非限定了標(biāo)準(zhǔn)差和距離的閾值（這時(shí)，如果一些像元不滿足選擇的標(biāo)準(zhǔn)，他們就無法參與分類），所有像元都被歸到與其最臨近的一類里。這一過程持續(xù)到每一類的像元數(shù)變化少于選擇的像元變化閾值或已經(jīng)到了迭代的最多次數(shù)。實(shí)驗(yàn)步驟及其結(jié)果分析ISODATA分類選擇Classification>Unsupervised>Isodata.出現(xiàn)ClassificationInputFile對話框，進(jìn)行標(biāo)準(zhǔn)文件選擇。點(diǎn)擊“OK”，顯示ISODATAParameters對話框，分別在各個(gè)文本框中輸入合適的參數(shù)。點(diǎn)擊“OK”，開始進(jìn)行獨(dú)立數(shù)據(jù)分類。圖像中每一個(gè)波段將計(jì)算統(tǒng)計(jì)值，屏幕上出現(xiàn)一條狀態(tài)信息，顯示操作進(jìn)展過程。信息隨著分類器的每一次迭代在0到100%之間循環(huán)。顯示結(jié)果影像，如圖2所示。改變參數(shù)設(shè)置將NumberofClasses（分類數(shù)）由5-10改為1-50，顯示結(jié)果如圖3所示。將MaximumIteration（最大迭代數(shù)）由1改為10，顯示結(jié)果如圖4所示。將Chang

Threshold（像元變化的閾值）由5.00改為1.00，顯示結(jié)果如圖5所示。將其它各個(gè)參數(shù)分別更改，結(jié)果肉眼看不出明顯區(qū)別，均如圖2（默認(rèn)參數(shù)值）所示。通過ClassCloorMapping對話框，改變各分類顏色，如將植被改為白色，結(jié)果如圖6所示。結(jié)果分析：ISODATA分類中獲知地物類別屬性的方法使用默認(rèn)參數(shù)值時(shí)將結(jié)果分為了8類，但是每類地物的具體屬性，只利用結(jié)果影像并不容易判斷出來。這是由于非精度分類時(shí)人們事先對分類過程不施加任何的先驗(yàn)知識，而僅憑數(shù)據(jù)，即自然聚類的特性，進(jìn)行“盲目”的分類。其類別的屬性是通過分類結(jié)束后目視判讀或?qū)嵉卣{(diào)查確定的。ISODATA

Parameters

對話框各個(gè)參數(shù)的含義在ISODATA

Parameters

對話框各個(gè)參數(shù)的含義分別是：Number

of

Classes（分類數(shù)），Min（最少分類數(shù)）、Max（最大分類數(shù)），Maximum

Iteration（最大迭代數(shù)），Chang

Threshold（像元變化的閾值），Minimum

＃Pixel

in

Class（每類中的最小像元數(shù)），MaximumClassStdv（最大標(biāo)準(zhǔn)差），Minimum

Class

Distance

（最小類間距），Maximum

＃Merge

Pairs（最大合并數(shù)）等8個(gè)基本參數(shù)。改變分類數(shù)的范圍大小可以改變分類精度，例如將分類數(shù)改為1-50時(shí)，如圖3所示，影像中顏色種類明顯增多，經(jīng)統(tǒng)計(jì)，分類結(jié)果有26類。改變最大迭代數(shù)可以增加迭代次數(shù)，例如將其改為10時(shí)，影像進(jìn)行了4次迭代，如圖4所示，影像中顏色種類有所增加，經(jīng)統(tǒng)計(jì)后分類結(jié)果有11類。影像進(jìn)行多次迭代，每次迭代重新計(jì)算均值，且用這一新均值對像元進(jìn)行再分類。改變像元變化的閾值，同樣會影像迭代次數(shù)，例如，當(dāng)最大迭代次數(shù)為10時(shí)，將像元變化的閾值改由5改為1，則表示當(dāng)每一類像元數(shù)變化小于1時(shí)，由變化閾值來結(jié)束迭代過程，共進(jìn)行了10次迭代，雖然分類總是沒有增加，但是各類別的范圍及顏色均有所變化。最小距離和最大似然分類根據(jù)圖像特征，選取感興趣區(qū)。對感興趣區(qū)域進(jìn)行編輯。ENVI主菜單下選擇Classification>Supervised>MinimumDistance和MaximumLikelihood分別進(jìn)行最小距離和最大似然分類。分類結(jié)果分別如圖7、圖8所示。結(jié)果分析最小距離和最大似然分類的比較最小距離法與最大似然法的結(jié)果影像初看之下十分相近，但通過鏈接比較，發(fā)現(xiàn)仍存在細(xì)節(jié)上的差別。例如對比影像右上角植被的區(qū)分度，可以看出最大似然法的精度明顯高于最小距離法。最小距離分類原理簡單，分類精度不高，但計(jì)算速度快，它可以在快速瀏覽分類概況中使用。最大似然法是建立在貝葉斯準(zhǔn)則基礎(chǔ)上的，其分類錯(cuò)誤概率較小，是監(jiān)督分類方法中風(fēng)險(xiǎn)最小的判決分析，是典型的和應(yīng)用最廣的監(jiān)督分類方法。而二者相同的不足之處是傳統(tǒng)的人工采樣方法工作量大，效率低，加上人為誤差的干擾，使得分類結(jié)果的精度較差。監(jiān)督分類與非監(jiān)督分類的主要區(qū)別通過比較二者的分類結(jié)果，可以看出，非監(jiān)督分類所分類別較多，結(jié)果影像比較雜亂，而監(jiān)督分類只分成了我們需要的三類，控制起來較為容易。從效果上看，監(jiān)督分類較好，但是從省時(shí)角度看，非監(jiān)督分類較好。二者的根本區(qū)別點(diǎn)在于是否利用訓(xùn)練場地來獲取先驗(yàn)的類別知識。監(jiān)督分類根據(jù)訓(xùn)練場提供的樣本選擇特征參數(shù),建立判別函數(shù),對待分類點(diǎn)進(jìn)行分類。因此,訓(xùn)練場地選擇是監(jiān)督分類的關(guān)鍵。由于訓(xùn)練場地要求有代表性,訓(xùn)練樣本的選擇要考慮到地物光譜特征,樣本數(shù)目要能滿足分類的要求,有時(shí)這些還不易做到,并且需要較多的人力時(shí)間，這是監(jiān)督分類不足之處。相比之下,非監(jiān)督分類不需要更多的先驗(yàn)知識,它根據(jù)地物的光譜統(tǒng)計(jì)特性進(jìn)行分類。因此,非監(jiān)督分類方法簡單,且分類具有一定的精度，但是得到的集群但類別不一定對應(yīng)分析者想要的類別，難對產(chǎn)生的類別進(jìn)行控制，并且不同圖像間的對比較為困難。 思考題該地區(qū)地物可以分成3大類，分別是植被，水體和土壤。每大類下面又可根據(jù)組成成分、周圍環(huán)境等的差異，細(xì)分為多個(gè)小類。分類方法首先可以通過目視解譯，對比不同地物的色調(diào)、形狀、空間位置特征等判讀標(biāo)志，結(jié)合地物的反射光譜信息，對地物進(jìn)行初步分類。然后與建立在對像元灰度值的統(tǒng)計(jì)、運(yùn)算、對比和歸納基礎(chǔ)上進(jìn)行的計(jì)算機(jī)分類的結(jié)果，相互檢驗(yàn)，以提高分類精度。要想得到好的分類精度，方法上應(yīng)注意綜合利用多種方法參與分類過程，比如遙感影像有著豐富的紋理信息，遙感影像的紋理分析已成為一種重要的提高遙感影像分類精度的手段，同時(shí)可以進(jìn)行多源遙感信息復(fù)合分析等方法。而操作中應(yīng)注意選擇質(zhì)量較好的影像、準(zhǔn)確的選擇訓(xùn)練區(qū)并且結(jié)合分類后進(jìn)一步的處理，以提高影像精度。實(shí)驗(yàn)中遇到的問題及解決方法問題：在進(jìn)行監(jiān)督分類時(shí)，沒有選取ROI，軟件提示操作錯(cuò)誤。解決方法：通過查閱資料了解到進(jìn)行監(jiān)督分類之前必須先選取感興趣區(qū)。實(shí)驗(yàn)附圖圖1原始影像(TM432(RGB))圖2ISODATA分類的結(jié)果影像圖3分類數(shù)改為1-50的結(jié)果影像