12.基于专家知识决策树分类

基于ENVI的遥感图像分类方法研究比较（聊城大学环境与规划学院GIS专业2010级4班学号:2010203***）摘要基于监督分类方法在遥感图像分类中已经普遍应用，本文将介绍了几种ENVI 提供的常用的监督分类方法和ENVI EX提供的面向对象的分类方法。

对同一遥感图像运用这几种方法进行分类，并对分类结果进行对比，从而分析这几种方法分类精度之间的差异。

关键词遥感图像分类平行六面体最小距离法最大似然法面向对象第一章绪论1.1、研究的背景和意义随着遥感技术的发展，遥感已逐步成为采集地球数据及其变化信息的重要技术手段和重要的信息来源，并在世界范围内以及我国的许多政府部门、科研单位和公司得到广泛的应用。

由于不同领域遥感图像的应用对遥感图像处理提出了不同的要求，所以图像处理中重要的环节——图像分类也就显得尤为重要。

遥感图像通过亮度值或像元值的高低差异( 反映地物的光谱信息) 及空间变化( 反映地物的空间信息) 来表示不同地物的差异。

这是区分不同图像地物的物理基础。

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，然后获得遥感图像中与实际地物的对应信息，从而实现遥感图像的分类。

目前随着各种新理论新方法的相继涌现，遥感图像存在多种分类方法，所以本文主要是选取几种常用的监督分类方法和ENVI EX提供的面向对象分类方法用实验结果表明它们之间存在的差异。

1.2、研究方法(1)、本文从遥感图像解译的基本原理出发，阐述了ENVI软件在遥感图像解译中使用的原理，并对其提供的方法进行了详细的解读。

(2)、详细叙述了ENVI EX提供的Feature Extraction工具即面向对象分类方法的使用。

(3)、根据得到的分类结果，采用混淆矩阵和kappa系数对分类结果进行精度评价。

从中得出一些结论，并对ENVI软件在遥感图像分类方法中提出可行性建议。

通过目视可分辨5类地物，本次分类分为居民点、水域、 林地、耕地、裸地
采用Landsat7北京市影像数据，裁剪后RGB（432）波段组合的研究区影 像
（2）训练样本的选取
选好训练样本后， 进行分离度检查，根据 分离性值的大小，从小 到大列出感兴趣区组合， 这两个参数的值为0~2.0 之间，大于1.9说明样本 之间可分离性好，属于 合格样本，小于1.8，需 要重新选择样本，小于1， 考虑将两类样本合并成 一类样本。
1. 遥感影像分类
遥感图像通过亮度值或像元值的高低差异及空间变 化来表示不同地物的差异，这是区分不同图像地物的物 理基础。遥感图像分类通过计算机手段，利用某种算法 进行分类，获取遥感图像中与实际地物的对应信息，从 而实现遥感图像的分类，一般分类方法有监督分类与非 监督分类[1]。
1.1 监督分类
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。它就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。使每个像元和训练样本 作比较，按不同的规则将其划分到和其最相似的样本类，以此完 成对整个图像的分类。
（2）本次研究中的验证
常用的精度评价的方法有两种：一是混淆矩阵；二是ROC曲线。其 中，比较常用的为混淆矩阵，ROC曲线可以用图形的方式表达分类精 度，比较形象。
真实参考源可以使用两种方式：一是ห้องสมุดไป่ตู้准的分类图；二是选择的 感兴趣区（验证样本区）。
真实的感兴趣区验证样本的选择可以是在高分辨率影像上选择， 也可以是野外实地调查获取，原则是获取的类别参考源的真实性。由 于没有更高分辨率的数据源，本例中就把原分类的TM影像当作是高分 辨率影像，在上面进行目视解译得到真实参考源，并采用混淆矩阵的 地表真实感兴趣区进行精度验证。

1.几何校正：几何校正是利用地面控制点和几何校正数学模型来矫正非系统因素产生的误差，同时也是将图像投影到平面上，使其符合地图投影系统的过程。

2.图像镶嵌：指在一定的数学基础控制下，把多景相邻遥感影像拼接成一个大范围、无缝的图像的过程。

3.图像裁剪：图像裁剪的目的是将研究之外的区域去除。

常用方法是按照行政区划边界或自然区划边界进行图像裁剪。

在基础数据生产中，还经常要进行标准分幅裁剪。

按照ENVI 的图像裁剪过程，可分为规则裁剪和不规则裁剪。

4.图像分类：遥感图像分类也称为遥感图像计算机信息提取技术，是通过模式识别理论，分析图像中反映同类地物的光谱、空间相似性和异类地物的差异，进而将遥感图像自动分成若干地物类别。

5.正射校正：正射校正是对图像空间和几何畸变进行校正生成多中心投影平面正射图像的处理过程。

6.面向对象图像分类技术：是集合邻近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间、纹理和光谱信息来分割和分类，以高精度的分类结果或者矢量输出。

7.DEM：数字高程模型是用一组有序数值阵列形式表示地面高程的一种实体地面模型。

8.立体像对：从两个不同位置对同一地区所摄取的一对相片。

9.遥感动态监测：从不同时间或在不同条件获取同一地区的遥感图像中，识别和量化地表变化的类型、空间分布情况和变化量，这一过程就是遥感动态监测过程。

10.高光谱分辨率遥感：是用很窄而连续的波谱通道对地物持续遥感成像的技术。

在可见光到短波红外波段，其波谱分辨率高达纳米数量级，通常具有波段多的特点，波谱通道多达数十甚至数百个，而且各波谱通道间往往是连续的，因此高光谱遥感又通常被称为"成像波谱遥感"。

11.端元波谱：端元波谱作为高光谱分类、地物识别和混合像元分解等过程中的参考波谱，与监督分类中的分类样本具有类似的作用，直接影响波谱识别与混合像元分解结果的精度。

12.可视域分析：可视域分析工具利用DEM数据，可以从一个或多个观察源来确定可见的地表范围，观测源可以是一个单点,线或多边形13.三维可视化：ENVI的三维可视化功能可以将DEM数据以网格结构、规则格网或点的形式显示出来或者将一幅图像叠加到DEM数据上。

基于遥感与GIS的城市绿地信息提取方法摘要：城市绿地是城市中唯一有生命的基础设施，必须客观、准确地掌握城市绿地信息及其变化情况。

遥感技术给城市绿地信息调查提供了更为有效而便捷的手段，植被有其特殊的光谱响应，使得其有别于其他物质。

城市绿地的遥感提取方法有监督分类、决策树分类、面向对象分类等方法，每一种方法都有它的适用条件。

利用GIS的空间叠加分析可以为遥感绿地信息的属性赋值，增强遥感绿地信息的可利用性。

关键字：城市绿地，遥感技术，高分辨率影像，ENVI，GISAbstract: The city green space is the only living infrastructure in the city, we must objectively and accurately grasp the city green land information and its changes. The remote sensing technology provides a more effective and convenient means for the city green land information investigation, the vegetation has its special spectral response, which is different from other substances. The remote sensing extraction method of the city green extraction is the supervised classification, decision tree classification and object-oriented classification method, and each method has its applicable conditions. Using the GIS spatial overlay analysis can assigns for the remote sensing vegetation information attribute, and enhance the remote sensing vegetation information availability. Keywords: city green space; remote sensing technology; high resolution images; ENVI; GIS0 引言城市绿地是城市中唯一有生命的基础设施，它在改善城市生态环境和人居环境起着积极的作用，城市绿地含量逐渐成为衡量城市生活质量的1个重要指标。