遥感图像分类实验报告.docxVIP

实验名称遥感图像的监督分类与非监督分类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。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。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。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。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ClassificationSupervised，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，选择输出路径。点击ok完成分类，结果如图：2.非监督分类非监督分类方法有K-均值分类法及ISOData( 重复自组织数据分析技术)，本次实验报告以K-均值分类方法为例进行说明。1）主菜单中, 选择ClassincationUnsupervisedK-Means。在Classification Input File对话框中选择待分类影像文件。2）在K-Means Parameters对话框中定义相关参数，其中，可定义参数有：分类类别数，像元变化阈值，用于分类的最多迭代次数以及可选的距离阈值。选择结果输出位置，点击OK完成分类。3.分类后处理我们需要对分类后的影像进行后处理，评价其分类的精度，这里以监督分类结果为例进行说明。3.1更改类别名称及颜色主图像窗口，Overlay-classification,出现Select Input file对话框，选择分类结果，点击OK。在Interactive Class TOOL对话框的option下拉菜单中选择Edit colors/names选项，在弹出的对话框中选择类别更改其名称颜色。3.2分类结果微调包括删除或者合并小斑点。1）将要修改的类别置于激活状态，点击Edit下拉菜单，选择Mode :polygon Add to class 将分类错误的点与周围区域点合并。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