实验7 遥感图像分类
- 格式:doc
- 大小:623.00 KB
- 文档页数:7
实验七遥感图像分类
一、实验学时
2学时
二、实验目的
1.掌握图像动态链接显示(Dynamic Overlay)的建立和取消;
2.掌握建立ROI的方法;
3.掌握遥感图像非监督分类的原理与方法;
4.掌握遥感图像监督分类的原理与方法。
三、实验原理
非监督分类:聚类分析方法。目的是使得属于同一类别的像元之间的距离尽可能的小而不同类别像元之间的距离尽可能的大。
监督分类:选择研究区有代表性的训练场地作为样本,通过对样本特征参数的统计分析建立判别函数,据此对样本像元进行分类,依据样本类别特征来识别非样本像元的归属类别。
四、实验设备及数据
1.安装了ENVI4.0的电脑
2.遥感数据…\data7\changsha.img
五、实验内容与步骤
(一)非监督分类
1.启动ENVI4.0,打开…\data6\changsha.img并对741波段进行RGB假彩色合成。
2.在主菜单栏选择:Classification->Unsupervised->ISODATA,弹出ISODATA Parameters
窗口,设置分类器参数并记录:
类别数(Number of Classes):最小(5 ),最大(10 )
最大迭代次数(Maximum Iterations):(9 )
改变阈值(Change Threshold%):(5)
每类最少像元数(Minimum Pixel in Class):(1)
最大类内差(Maximum Class Stdv):(1)
最小类间距(Minimum Class Distance):(5)
3.进行非监督分类,并将结果保存为文件以便于比较,从而选出最佳方案。
4.图像动态链接显示的建立和取消。采用Dynamic Overlay 查看、比较分类结果。具体步
骤:同时打开分类后图像和原图像,在主影像窗口:Tools->Link->Link Displays…,弹出Link Displays(也可以直接通过在主窗口点击鼠标右键进行快捷操作)点击Ok即可。
在主影像窗口中点击鼠标对比、检查分类效果。如要取消则在Image窗口点击右键,选择Unlink Displays,或者选择Dynamic Overlay Off。
5.重复步骤2-4,直到得到理想的结果,并记录最后设置和结果:
类别数(Number of Classes):最小(5),最大(7 )
最大迭代次数(Maximum Iterations):(6)
改变像元百分比(Change Threshold%):( 6 )
每类最少像元数(Minimum Pixel in Class ):( 3 )
最大类内差(Maximum Class Stdv ):( 3 )
最小类间距(Minimum Class Distance ):( 6 )
最后得到较为完美的分类图像,如图( 1 )。
【结论与问题】
(二)监督分类
注:拷贝保存各种分类方法所对应分类结果图像并记录参数,实验采用如下监督分类方法: Parallelepiped (平行六面体法):Maximum Likelihood (最大似然法):
Minimum Distance (最小距离法):
- 加载图像
1. 关闭所有窗口及数据。
2. 打开…\data6\changsha.img 并对741波段进行RGB 假彩色合成。
3. 利用ROI 工具,选择训练区。
⇨
Image ⇨
⇨ 新建ROI 4. 加载已有训练区
⇨ ⇨ ROI Tool :⇨ …
- 分类
分别选用如下分类器进行分类,保存分类结果:
;输
⇨ (主菜单) Classification →Supervised → Maximum Likelihood ;选择数据;选择所有ROI ;其它采用默认设置;输入保存输出结果的文件名(cls_ml.img );OK
⇨ (主菜单) Classification →Supervised →Minimum Distance ;选择数据;选择所有ROI ;其它采用默认设置;输入保存输出结果的文件名(cls_md.img );OK
素质拓展(下列步骤视个人情况而定):
- 分类后处理(Post Classification )
∙ 给类别赋色Assign Class Colors (参照某一类合成方案,如TM741,将分类后图像
赋予类似的颜色类别。)
∙ 类别统计Class Statistics (统计各类的主要参数如像元总数和所占百分比等) ∙ 多数和少数分析Majority/Minority Analysis
∙ 混淆矩阵 Confusion Matrix (进行图像比较,确定误差来源。)
∙ 聚合和过筛处理 Clump and Sieve (通常先对分类影像进行过筛处理,根据设定的阈
值即像元个数,移除孤立的像元,然后再进行聚合处理。目的是减少图斑个数。) ∙ 合并类 Combine Classes (相似的类进行合并)
∙ 叠加显示类 Overlay Classes (允许用户将分类影像的关键类作为彩色层叠加到一幅
灰度图或者一幅RGB 假彩色合成影像上。)
六、实习报告要求及评分标准
本实习不提交报告,但要求提交两张最终成果图(非监督分类与监督分类各一),并综合考察每位学生的实验过程,完全实现基本实验过程(素质拓展除外)的为良好,在此基础