实验四 遥感图像的分类1.docx

实验四 遥感图像的分类1.docx

《实验四 遥感图像的分类1.docx》由会员分享，可在线阅读，更多相关《实验四 遥感图像的分类1.docx（10页珍藏版）》请在冰豆网上搜索。

实验四遥感图像的分类1

实验四遥感图像的非监督与监督分类

一、实验目的

1．非监督分类是对数据集中的像元依据统计数字，光谱类似度和光谱距离进行分类，在没有用户定义的条件下练习使用，在ENVI环境下的非监督分类技术有两种：

迭代自组织数据分析技术（ISodata）和K均值算法（K-Means）；

2．分类过程中应注意：

1）怎样确定一个最优的波段组合，从而达到最佳的分类精度，基于OIF和相关系数，协方差矩阵以及经验的使用来完成对最适合的组合的选取，分类效果的关键即在于此；2）K-Means的基本原理；3）Isodata的基本原理；4）分类结束后，被分类后的图像是一个新的图像，被分类类码秘填充，从而可以获得数据提取信息，统计不同类码数量，转化为实际面积，在得到后的图像上，可对不同目标的形态指标进行分析。

3．对训练区中的像元进行分类；

4．用训练数据集估计查看监督分类后的统计参数；

5．用不同方法进行监督分类，如最小距离法、马氏距离法和最大似然法。

二、实验设备与材料

1、软件

ENVI4.7软件

2、所需材料

TM数据

三、实验步骤

1.选择最优的波段组合

2.K-Means法进行非监督分类

1）Classification→Unsupervised→K-Means，点击hbtmref.img→点击Spectralsubset→选3,4,6三个波段→OK，回到上级菜单→OK，在Numberofclasses中输15即分为15类，ChangeIterations中输6，即最大迭化量为6次，MaximumStdevFromMean中为空，选择保存位置→OK；在原界面中选定保存结果后Newdisplay→LoadBand，双击查看CursorLocation/Value，发现Data已由原来的坐标形式转换为类码；在K-Means窗口工具栏中点击Tools→SpatialPixelEditor→可将类码转换成相应的地物类型，要求进行大量的野外调查，确定同一类码所代表的地物是什么

2）合并类的操作：

Classification→Postclassification→Combineclasses→K-Means→OK；在SelectInputClass中选Class8，SelectOutputClass中选Class10（即把第8类和第10类合并）→点Addcombination→OK→Memory→OK；在原界面中选择保存结果→NewDisplay→LoadBand；在Load后的Display中点击Tools→Link→Geographiclink，则Display（当前）和Display#2（前一个）变为on，表示2者合并→OK，可查看变化结果。

3）如何得到一类中的像元量：

classification→postclassification→classstatistics→选择分类合并后的文件→OK→再选合并后文件→OK，则出现classselection，根据需要选择几类（6,7,8,9,10）→OK，可选项全部选定后→OK，即可获取类码的统计数据

3.Isodata方法进行非监督分类

classification→unsupervised→IsoData→选择原图→OK，Spectralsubset中选3,4,7波段→OK→OK；Numberofclasses：

min输入10，max输入15，MaximumIterations输6，changeThreshold%（1-100）改为3.00，其它不变→保存→OK。

在原界面中Newdisplay→LoadBand→在classification中选择postclassification→classstatistics→选定保存后文件→OK→再选一次→OK，则可查看分类结果，共被分为13类，其他数据获取方法和由类码到地物类型名的转换均与K-Means方法中一致。

4.最小距离法

Classification→supervise→minimumdistance→选择3,4,7波段→OK，SelectallItems→choose选择保存位置→OK，回到原界面窗口Newdisplay→LoadBand，查看分类效果

5.马氏距离法

classification→Mahalanobisdistance→选择3,4,7波段→OK，SelectallItems→保存→OK，回到原界面Newdisplay→LoadBand，相比于最小距度法，查看差异，发现该方法精度高于最小距离法。

6.像元统计操作

Classification→postclassification→classstatistics→选择保存过的文件→选择地物类型→OK，即可得到最小距离法分类结果中Forest像元量，查看其他分类，结果中的其他分类项的像元量操作步骤与上操作一致