遥感图像的分类实验报告
- 格式:doc
- 大小:77.50 KB
- 文档页数:3
精心整理
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、
四、
五、
1.
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。出现ROI Tool对话框,
2)根据不同的地物光谱特征,在图像上画出包含该类地物的若干多边形区域,建立相应的感兴趣区域,输入对应的地物名称,更改感兴趣区对应的显示色彩。
由于该地区为山西省北部,地物相对单一,故分为以下几类:裸地、草地、灌木林、农田、水体、人类活动区、云层,阴影。
1.3选择分类方法进行分类
1)主菜单中,选择Classification>Supervised,在对应的选项菜单中选择分类方法,对影像进行分类。
以最小距离法(Minimum Distance)为例进行说明。选择Minimum Distance选项,出现Classification Input File对话框,在该对话框中选择待分类图像。
2)在出现的Minimum Distance Parameters对话框中,select Ttems选择训练样本,定义相关参数,选择
点击
2.
1
2
3.
。
1
选择Mode :polygon delete from class将错误点剔除。
2)主菜单classification->Post classification->sieve classes打开sieve parameters对话框,选择训练样本,及最小剔除像素,选择输出位置,完成操作。图为采用八联通域将像素小于5的点删除。
3.3混淆矩阵精度验证
1)选取验证样本,与监督分类操作类似,选择不同的感兴趣区域,保存ROI,作为选择训练样本。
2)进行精度验证,主菜单classification->Post classification->Using Ground Truth ROI,选择分类图像。
对应分类结果和验证样本
点击ok得到精度验证结果。
3.4分类统计
主菜单classification->Post classification->class statistics,在弹出的对话框中输入分类结果,点ok下一个对话框输入原图像ok。
在弹出的select classes对话框中选择训练样本。
选择输出显示类型,点击ok得到统计结果。
3.5分类结果转换为矢量
主菜单classification->Post classification-> classification to vector,弹出对话框中选择分类结果影像。
选择训练样本及矢量文件输出位置,点击ok完成矢量化。
矢量化结果如下:
六、实验结果与分析
1、监督分类结果分析
将分类结果与原图像进行对比可发现分类结果基本符合要求,农田与建筑的分布具有较强的统一性,符合相关常识。
2、非监督分类结果分析
3、图为经过主次要分析的分类结果与原图对比,可发现去除了一些噪声点,分类结果相对较好。
4、分类结果精度评价分析
由于监督分类,训练样本及验证样本的选择失误,图像的分类精度为83%基本符合要求,但不是太高,从精度报表中可看出,误差来源主要为灌木林与草地之间的差异,其他地物的分类结果基本上比较精确。
七、实验心得与体会
本次实为遥感影像的监督分类与非监督分类以及分类后处理,通过本次实验,初步掌握了影像的分类过程,在影像的监督分类中,训练样本的选择是本实验的关键点,如何较为准确的选择感兴趣区域确定正确的训练样本需要在以后的学习中积累相关经验。实验中相近地物信息的不同地物该如何分类需要思考。