非监督分类.docx

非监督分类.docx

《非监督分类.docx》由会员分享，可在线阅读，更多相关《非监督分类.docx（11页珍藏版）》请在冰豆网上搜索。

非监督分类

非监督分类实验报告

1实验目的

通过本实验加强对遥感非监督分类处理理论部分的理解，熟练掌握图像非监督分类的处理方法，并将处理前后数据进行比较。

2实验内容

利用Envy软件进行非监督分类，主要是应用IsoData和K-Means对实验数据进行处理，并进行比较。

3实验步骤和过程

3.1IsoData分类过程

1.打开envi软件，添加影像,并对数据进行裁切。

2.选择Classification→Unsupervised→isodata,选择数据Stack-b1-6167.img,出现下面的对话框，选择合适的分类值，迭代值，

3.打开影像。

选择RGB打开，设置为5,4,3波段

4.Overlay→Classification,根据经验判断具体的地物类型

5.将相同地物合并

Classification→PostClassification→CombineClassess

6.打开合并后的影像，并进行颜色处理（Classification→Postclassification→Assignclasscolors）

7.分类后处理

Classification→Postclassification→Majority/MinorityAnalysis

8.实验结果

3.2K-Means分类过程

1.K-means分类方法与isodata分类方法基本类似，不同的是是在第二步过程选择Classification→Unsupervised→k-means，选择数据Stack-b1-6167.img,出现下面的对话框，选择合适的分类值，迭代值，

2.我们设置了10次迭代，而系统只进行了6次，说明对我们设置的分类数只进行6次迭代就可以了

3.此后与isodata步骤一样，得到合并后的以及颜色处理后的图像如图

4.进行分类后处理

5.结果如图

3.3对比IsoData和K-Means分类

1.在Envy中，比较IsoData和K-Means分类，可以将最终的结果影像放在一起，如下图。

Isodata

K-means

将二者连接，对比红色矩形框的图像我们发现，K-means处理容易将一些细节部分弱化掉，使分类效果不如isodata好，因此人们常使用isodata进行非监督分类。