遥感影像处理图像分类.docx

遥感影像处理图像分类.docx

《遥感影像处理图像分类.docx》由会员分享，可在线阅读，更多相关《遥感影像处理图像分类.docx（16页珍藏版）》请在冰豆网上搜索。

遥感影像处理图像分类

图像分类实验报告

一.目的

理解遥感图像监督与非监督分类的算法差异，并掌握监督分类的工作流程

二.要求

◆根据合成图像勾绘出典型地物类

◆理解特征对于分类结果的影响

◆能够分析地物之间光谱差异

◆能进行监督与非监督分类

◆能对分类后图像进行后处理

三.操作过程

1.IsoData非监督分类

1）显示图像

2）确定分类参数

3）显示分类结果

图1：

分类结果展示

4）分类结果的密度分割

图2：

密度分割成果展示

5）改变图像使用的特征重新分类

2.监督分类

1）构建ROI

1--选择ROI类型为多边形（Polygons）

2--选择ROI绘制的窗口为Zoom

3--将ROI的名称改为江水

4--将ROI显示的颜色为蓝色（Blue）

根据图像将第五进行分类并在原始图像上进行采样，可得以下图

图3：

ROI区域展示

统计ROI的光谱特征

在上图所示的ROI统计结果中，使用绘图来查看ROI的标准差，查看结果如下图所示

2）图像分类

A.平行管道法

图4：

平行管道法分类结果展示

将IsoData非监督分类结果njWorkiso0（中）与监督分类平行管道法的njWorkpp_c（左）在统一界面上进行展示并比较

▶下面三图是局部细节展示

从上图比较中我们易得出，监督分类更具有合理性。

B最大似然法

图5：

最大似然法参数窗口

通过结果图我们容易发现，同样的ROI，改变分类的方法，其结果会有较大的改善，本实验中，最大似然法显然优于平行管道法

C利用规则图像调整分类结果

图6：

规则图像分类工具结果

把阈值进行重新分类，并保存新的分类结果

观察新的分类结果可知，其他用地的范围扩大了

3.分类后处理

操作数据：

njWorkmax_c

1）类别集群

▶使用数学形态学方法将相邻相似的区域进行合并

先对“江水”类进行处理，在此基础上在对“河水”类进行处理，以此类推

图7：

类别集群操作界面

图8：

类别集群操作前（左）后（右）对比

2）主要/次要分析

ENVI:

Classification>>PostClassification

将窗口中孤立的像素值指定为像素值较多的值

3）类别筛选

ENVI:

Classification>>PostClassification>>SieveClasses

将孤立的值从类别中孤立出来

图9：

耕地孤立（右图中黑点）展示

4）分类统计

ENVI:

Classification>>PostClassification>>ClassStatistics

可以统计分类结果的面积和光谱特征

5）分类结果矢量化

ENVI:

Classification→PostClassification→ClasstoVector

将分类结果矢量化，并保存为矢量文件

图10：

操作界面展示

6）将矢量化结果转化为Shape文件

图11：

转化按钮展示

转换过后的文件可以在ArcGIS中打开