遥感图像分类后处理.docx
《遥感图像分类后处理.docx》由会员分享,可在线阅读,更多相关《遥感图像分类后处理.docx(20页珍藏版)》请在冰豆网上搜索。
![遥感图像分类后处理.docx](https://file1.bdocx.com/fileroot1/2022-10/12/d2dbb052-af61-413e-aac0-aa7c91c8c331/d2dbb052-af61-413e-aac0-aa7c91c8c3311.gif)
遥感图像分类后处理
遥感图像分类后处理
一、实验目的与要求
监督分类与决策树分类等分类方法得到的一般就是初步结果,难于达到最终的应用目的。
因此,需要对初步的分类结果进行一些处理,才能得到满足需求的分类结果,这些处理过程就通常称为分类后处理。
常用分类后处理通常包括:
更改分类颜色、分类统计分析、小斑点处理(类后处理)、栅矢转换等操作。
本课程将以几种常见的分类后处理操作为例,学习分类后处理工具。
二、实验内容与方法
1.实验内容
1.小斑块去除
●Majority与Minority分析
●聚类处理(Clump)
●过滤处理(Sieve)
2.分类统计
3.分类叠加
4.分类结果转矢量
5.ENVIClassic分类后处理
●浏览结果
●局部修改
●更改类别颜色
6.精度评价
1.实验方法
在ENVI5、x中,分类后处理的工具主要位于Toolbox/Classification/PostClassification/;
三、实验设备与材料
1.实验设备
装有ENVI5、1的计算机
2.实验材料
以ENVI自带数据"can_tmr、img"的分类结果"can_tmr_class、dat"为例。
数据位于"、、、\13数据\"。
其她数据描述:
•can_tmr、img——原始数据
•can_tmr_验证、roi——精度评价时用到的验证ROI
四、实验步骤
1.小斑块去除
应用监督分类或者非监督分类以及决策树分类,分类结果中不可避免地会产生一些面积很小的图斑。
无论从专题制图的角度,还就是从实际应用的角度,都有必要对这些小图斑进行剔除或重新分类,目前常用的方法有Majority/Minority分析、聚类处理(clump)与过滤处理(Sieve)。
1)Majority与Minority分析
Majority/Minority分析采用类似于卷积滤波的方法将较大类别中的虚假像元归到该类中,定义一个变换核尺寸,主要分析(MajorityAnalysis)用变换核中占主要地位(像元数最多)的像元类别代替中心像元的类别。
如果使用次要分析(MinorityAnalysis),将用变换核中占次要地位的像元的类别代替中心像元的类别。
下面介绍详细操作流程:
(1)打开分类结果——"\12、分类后处理\数据\can_tmr_class、dat";
(2)打开Majority/Minority分析工具,路径为Toolbox/Classification/PostClassification/Majority/MinorityAnalysis,在弹出对话框中选择"can_tmr_class、dat",点击OK;
(3)在Majority/MinorityParameters面板中,点击SelectAllItems选中所有的类别,其她参数按照默认即可,如下图所示。
然后点击Choose按钮设置输出路径,点击OK执行操作。
图1Majority/MinorityParameters面板参数设置
(4)查瞧结果如图所示,可以瞧到原始分类结果的碎斑归为了背景类别中,更加平滑。
注:
参数说明如下
∙SelectClasses时,用户可根据需要选择其中几个类别;
∙如果选择AnalysisMethods为Minority,则执行次要分析;
∙KernelSize为核的大小,必须为奇数×奇数,核越大,则处理后结果越平滑;
∙中心像元权重(CenterPixelWeight)。
在判定在变换核中哪个类别占主体地位时,中心像元权重用于设定中心像元类别将被计算多少次。
例如:
如果输入的权重为1,系统仅计算1次中心像元类别;如果输入5,系统将计算5次中心像元类别。
权重设置越大,中心像元分为其她类别的概率越小。
图2原始分类结果(左),Majority分析结果(右)
2)聚类处理(Clump)
聚类处理(clump)就是运用数学形态学算子(腐蚀与膨胀),将临近的类似分类区域聚类并进行合并。
分类图像经常缺少空间连续性(分类区域中斑点或洞的存在)。
低通滤波虽然可以用来平滑这些图像,但就是类别信息常常会被临近类别的编码干扰,聚类处理解决了这个问题。
首先将被选的分类用一个膨胀操作合并到一块,然后用变换核对分类图像进行腐蚀操作。
下面介绍详细操作流程:
(1)打开分类结果——"\分类后处理\数据\can_tmr_class、dat";
(2)打开聚类处理工具,路径为Toolbox/Classification/PostClassification/ClumpClasses,在弹出对话框中选择"can_tmr_class、dat",点击OK;
(3)在ClumpParameters面板中,点击SelectAllItems选中所有的类别,其她参数按照默认即可,如下图所示。
然后点击Choose按钮设置输出路径,点击OK执行操作。
图3ClumpParameters面板参数设置结果
(4)查瞧结果如下图所示,可以瞧到原始分类结果的碎斑归为了背景类别中,更加平滑。
注:
参数说明如下
∙SelectClasses时,用户可根据需要选择其中几个类别;
∙OperatorSizeRows与Cols为数学形态学算子的核大小,必须为奇数,设置的值越大,效果越明显。
图4原始分类结果(左),聚类处理结果(右)
3)过滤处理(Sieve)
过滤处理(Sieve)解决分类图像中出现的孤岛问题。
过滤处理使用斑点分组方法来消除这些被隔离的分类像元。
类别筛选方法通过分析周围的4个或8个像元,判定一个像元就是否与周围的像元同组。
如果一类中被分析的像元数少于输入的阈值,这些像元就会被从该类中删除,删除的像元归为未分类的像元(Unclassified)。
下面介绍详细操作流程:
(1)打开分类结果——"\12、分类后处理\数据\can_tmr_class、dat";
(2)打开过滤处理工具,路径为Toolbox/Classification/PostClassification/SieveClasses,在弹出对话框中选择"can_tmr_class、dat",点击OK;
(3)在SieveParameters面板中,点击SelectAllItems选中所有的类别,GroupMinThreshold设置为5,其她参数按照默认即可,如下图所示。
然后点击Choose按钮设置输出路径,点击OK执行操作;
图5SieveParameters面板参数设置
(4)查瞧结果如下图所示,可以瞧到原始分类结果的碎斑归为了背景类别中,更加平滑。
注:
参数说明如下
∙SelectClasses时,用户可根据需要选择其中几个类别;
∙过滤阈值(GroupMinThreshold),一组中小于该数值的像元将从相应类别中删除,归为未分类(Unclassified);
∙聚类领域大小(NumberofNeighbors),可选四连通域或八连通域。
分别表示使用中心像元周围4个或8个像元进行统计。
图6原始分类结果(左),过滤处理结果(右)
2.分类统计
分类统计(Classstatistics)可以基于分类结果计算源分类图像的统计信息。
基本统计包括:
类别中的像元数、最小值、最大值、平均值以及类中每个波段的标准差等。
可以绘制每一类对应源分类图像像元值的最小值、最大值、平均值以及标准差,还可以记录每类的直方图,以及计算协方差矩阵、相关矩阵、特征值与特征向量,并显示所有分类的总结记录。
下面介绍详细操作流程:
(1)打开分类结果与原始影像——"\12、分类后处理\数据\can_tmr_class、dat"与"can_tmr、img";
(2)打开分类统计工具,路径为Toolbox/Classification/PostClassification/ClassStatistics,在弹出对话框中选择"can_tmr_class、dat",点击OK;
(3)在StatisticsInputFile面板中,选择原始影像"can_tmr、img",点击OK;
(4)在弹出的ClassSelection面板中,点击SelectAllItems,统计所有分类的信息,点击OK;
注:
可根据需要只选择分类列表中的一个或多个类别进行统计。
(5)在ComputeStatisticsParameters面板可以设置统计信息(如下图所示),按照图中参数进行设置,点击ReportPrecision…按钮可以设置输入精度,按默认即可。
点击OK;
图7统计结果参数设置面板
注1:
统计功能包含三种统计类型,分别为:
∙基本统计(BasicStats):
基本统计信息包括所有波段的最小值、最大值、均值与标准差,若该文件就是多波段的,还包括特征值。
∙直方图统计(Histograms):
生成一个关于频率分布的统计直方图,列出图像直方图(如果直方图的灰度小于或等于256)中每个DN值的Npts(点的数量)、Total(累积点的数量)、Pct(每个灰度值的百分比)、与AccPct(累积百分比)。
∙协方差统计(Covariance):
协方差统计信息包括协方差矩阵与相关系数矩阵以及特征值与特征向量,当选择这一项时,还可以将协方差结果输出为图像(CovarianceImage)。
注2:
输出结果的方式有三种:
输出到屏幕显示(OutputtotheScreen)、生成一个统计文件(、sta)与生成一个文本文件。
其中生成的统计文件可以通过以下工具打开:
∙ENVI5、x:
Toolbox/Statistics/ViewStatisticsClassic:
Classification>PostClassification>ViewStatisticsFile
(6)如下图所示为显示统计结果的窗口,统计结果以图形与列表形式表示。
从SelectPlot下拉命令中选择图形绘制的对象,如基本统计信息、直方图等。
从Statsfor标签中选择分类结果中类别,在列表中显示类别对应输入图像文件DN值统计信息,如协方差、相关系数、特征向量等信息。
在列表中的第一段显示的为分类结果中各个类别的像元数、占百分比等统计信息。
图7显示统计结果的窗口
3.分类叠加
分类叠加(OverlayClasses)功能,可以将分类结果的各种类别叠加在一幅RGB彩色合成图或者灰度图像上,从而生成一幅RGB图像。
如果要想得到较好的效果,在叠加之前,背景图像经过拉伸并保存为字节型(8bit)图像,下面就是具体操作过程。
(1)打开分类结果与原始影像——"\分类后处理\数据\can_tmr_class、dat"与"can_tmr、img";
注:
这里将原始影像的真彩色图像作为背景图像。
(2)打开拉伸工具(Toolbox/RasterManagement/StretchData),在弹出的对话框中选择"can_tmr、img"文件,然后点击下方的SpectralSubset(如下图所示),在弹出面板中选择波段1、2、3,点击OK;
图8选择拉伸文件与波段选择
(3)在DataStretching面板中,按照下图进行参数设置,点击OK即可;
图9拉伸参数设置
(4)打开分类叠加工具,路径为Toolbox/Class