下载文档原格式
一、实验名称遥感图像的监督分类与非监督分类二、实验目的理解遥感图像监督分类及非监督分类的原理；掌握用ENVI对影像进行监督分类和非监督分类的方法，初步掌握图像分类后的相关操作；了解整个实验的过程以及实验过程中要注意的事项。
三、实验原理监督分类：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。
非监督分类：也称为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。
它不必对影像地物获取先验知识，仅依靠影像上不同类地物光谱(或纹理) 信息进行特征提取，再统计特征的差别来达到分类的目的，最后对已分出的各个类别的实际属性进行确认。
目前比较常见也较为成熟的是ISODATA、K-Mean和链状方法等。
四、数据来源本次实验所用数据来自于国际数据服务平台；landsat4-5波段30米分辨率TM 第三波段影像，投影为WGS-84，影像主要为山西省大同市恒山地区，中心纬度：38.90407 中心经度：113.11840。
鉴于实验内容及图像大小等问题，故从一景TM影像中裁取一个含有较丰富地物信息区域作为待分类影像。
五、实验过程1.监督分类1.1打开并显示影像文件，选择合适的波段组合加载影像打开并显示TM影像文件，从ENVI 主菜单中，选择File →Open Image File选择影像，为了更好地区分不同地物以及方便训练样本的选取，选择5、4、3波段进行相关操作，点击Load Band 在主窗口加载影像。
1.2使用感兴趣区（ROI）工具来选择训练样区1）主影像窗口菜单栏中，选择 Overlay >Region of Interest。
遥感图像分类技术与制图方法近年来，随着遥感技术的不断发展和进步，遥感图像的分类技术和制图方法也在不断创新和完善。
遥感图像分类是指根据遥感图像的特征和属性，将图像中的不同对象或地物进行分类和划分的过程。
而制图方法则是利用分类结果，通过合适的制图技术将地物信息表现在图上。
本文将深入探讨这方面的主题，介绍遥感图像分类技术的基本原理以及常用的制图方法。
一、遥感图像分类技术1. 遥感图像分类基本原理遥感图像分类是指将遥感图像中的像素分配给不同的地物类别，如水体、森林、农田等。
它的基本原理是利用遥感图像中地物的光谱和空间特征来进行分类。
光谱特征是指地物在不同波段上的反射或辐射特征，可以通过遥感影像的光谱信息进行提取和利用。
而空间特征则是指地物在图像上的分布和形状特征，可以通过图像处理和分析来获取。
2. 遥感图像分类方法遥感图像分类方法主要包括监督分类和非监督分类两类。
监督分类是先准备一定数量的训练样本，然后利用这些样本对图像进行分类。
常见的监督分类方法有最大似然法、支持向量机等。
非监督分类则是不事先准备训练样本，而是通过确定合适的聚类数目和算法自动将图像分为不同的类别。
常见的非监督分类方法有K-均值聚类、ISODATA等。
3. 遥感图像分类技术的挑战遥感图像分类技术面临着一些挑战。
首先是遥感图像的分辨率问题。
如何处理高分辨率遥感图像中的大量细节信息，保持分类的准确性和精度，是一个挑战。
其次是遥感图像中地物之间存在的混淆问题。
由于地物在图像上的光谱和空间特征相似，可能会导致分类结果的混淆，需要采用适当的方法来解决。
此外，遥感图像分类还需要考虑不同地物类别的空间分布规律和时序变化，增加了分类的难度。
二、制图方法1. 分类结果制图分类结果制图是将遥感图像分类的结果表现在地图上的过程。
它可以通过色彩编码或者灰度级来显示不同类别的地物。
例如，可以将水体类别用蓝色表示，森林类别用绿色表示，农田类别用黄色表示，以此类推。
Lab6 non-parametric classification and post classification12021005龚鑫烨Objection：the major object of the current lab section are to implement non-parametric classification based on BP networks and support vector machines algorithms,with a full mastery of post-classification operation. Data: the subset of spot 5 imagery covering NJ.Steps:1、identify a training dataset and an independent set of validation data for built-up, forest,cropland,grassland and water.2、Implementing above-mentioned non-parametric algorithms to classify your image.3、Validating your classification.4、Refining your classification by implementing the majority filtering and modeling process if possible.实验步骤：1、将数据加载到envi中building、water、grass）保存ROI3、BP分类。
Classification——supervised——neural net，设置参数及输出路径观察RMS动态加载变换后的图像，和原图像进行对比Classification——post classification——confusion matrix——using ground truth ROIs由上图可以看出精确度为99.8%Bp分类的校正Classification——post classification——majority analysts ，进行网格设置通过对这两个图层地理连接，查看校正的效果4、svm分类方法：classification——supervised——support vector machineSvm分类效果的验证Classification——post classification——confusion matrix——using ground truth ROIsSvm分类的校正Classification——post classification——majority analysts ，进行网格设置将生成的图像与svm图像进行地理连接，查看校正效果Basic tools——sunset data via ROIs5、erdas里建模修改误分的像元以support vector machine分类的图像为例将切好的图像和之前的svm图像加载进来，并修改他们的投影信息为基于WGS84的UTM 投影。
图像分类1. 监督分类 (1)1.1 定义训练样本 (1)1.2 执行监督分类 (3)1.3 评价分类结果 (4)2. 非监督分类（Unsupervised Classification） (5)2.1 执行非监督分类 (5)2.2 类别定义与子类合并 (6)3. 分类后处理 (7)3.1 Majority/Minority分析 (7)3.2 聚类处理（Clump） (8)3.3 过滤处理（Sieve） (8)4. 分类结果评价——混淆矩阵 (9)遥感图像通过亮度值的高低差异及空间变化来表示不同地物的差异。
遥感图像分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析，选择特征，将图像中每个像元按照某种规则或算法划分为不同的类别。
一般的分类方法可以分为两种：监督分类与非监督分类。
1. 监督分类监督分类总体上可以分为四个过程：定义训练样本、执行监督分类、评价分类结果和分类后处理。
实验数据：can_tmr.img1.1 定义训练样本ENVI中是利用ROI Tool（感兴趣区）来定义训练样本的，因此，定义训练样本的过程就是创建感兴趣区的过程。
第一步打开分类图像并分析图像训练样本的定义主要靠目视解译。
（1）打开TM图像，以543（模拟真彩色）或者432（标准假彩色）合成RGB显示在Display中。
（2）通过分析图像，确定类别数与类别名称。
例如，定义6类地物样本为林地、耕地、裸地、人造地物、水体和阴影。
第二步应用ROI Tool创建感兴趣区从RGB彩色图像上获取ROI（1）在主图像窗口中，选择Overlay→Region of Interest，打开ROI Tool对话框。
感兴趣区工具窗口的打开方式还有：Basic Tools →Region Of Interest→ROI tool，或者直接在图像窗口上点击鼠标右键，再选择ROI Tool。
（2）在ROI Tool对话框中，可以进行样本编辑（名称、颜色、填充方式等）。
实验六遥感图像分类一、实习目的和要求·了解遥感图像分类的节本原理和过程，懂得遥感图像分类的依据，了解遥感图像分类的几种常用方法；·掌握监督分类与非监督分类的原理以及它们的区别，熟悉两种不同的分类方法的操作过程；·熟悉遥感图像的各个波段所含有的特征，熟悉地物的光谱特征，能够根据实际的应用目的选择不同的波段组合，以使分类效果最满意得到解译的目的；·掌握监督分类分类模板的建立方法，知道如何进行模板的评价；·掌握分类精度评定的原理以及实验方法和操作步骤，了解什么样的分类精度才是符合要求的分类结果；·熟练掌握分类后处理的方法，当结果不合格或需要高精度分类结果时以及非监督分类的时候都要用到分类后处理，熟练掌握分类后处理的操作步骤；二、实验原理·图像分类就是基于图像像元的数据文件值，将像元归并成有限几种类型、等级或数据集的过程。
常规图像分类主要有两种方法：非监督分类与监督分类，专家分类方法是近年来发展起来的新兴遥感图像分类方法；·遥感图像分类的依据是地物的光谱特征，即地物电磁波辐射的多波段测量值，这些测量值作为遥感图像分类的原始特征变量；·非监督分类运用ISODA TA（Iterative Self-Organizing Data Analysis Technique ）算法，完全按照像元的光谱特性进行统计分类，常常用于对分类区没有什么了解的情况。
使用该方法时。
原始图像的所有波段都参于分类运算，分类结果往往是各类像元数大体等比例。
由于人为干预较少，非监督分类过程的自动化程度较高。
非监督分类一般要经过以下几个步骤：初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换、统计分析；·监督分类比非监督分类更多地要求用户来控制，常用于对研究区域比较了解的情况。
在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。
