实验四 遥感图像的分类1Word文档下载推荐.docx

1、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、

2、马氏距离法和最大似然法。二、实验设备与材料1、 软件ENVI 4.7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Spectral subset 选3,4,6三个波段OK，回到上级菜单OK，在Number of classes中输15即分为15类，Change Iterations中输6，即最大迭化量为6次，Maximum Stdev From Mean中为空，选择保存位置OK；在原界面中选定保存结果后New display Load

3、 Band，双击查看Cursor Location/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 Spatial Pixel Editor 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 Post classification Combine classes K-Means OK；在Select Input Class中选Class 8，Select Output Class中选Class 10（即把第8类和第10类合并）点Add combination O

4、K Memory OK；在原界面中选择保存结果New Display Load Band；在Load 后的Display中点击Tools Link Geographic link，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 post classification class statistics 选择分类合并后的文件OK 再选合并后文件OK，则出现class selection，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. Iso

5、data方法进行非监督分类classification unsupervised IsoData 选择原图OK，Spectral subset中选3,4,7波段OK OK；Number of classes：min输入10，max输入15，Maximum Iterations输6，change Threshold %（1-100）改为3.00，其它不变保存OK。在原界面中New display Load Band 在classification中选择post classification class statistics 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

6、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 minimum distance 选择3,4,7波段OK，Select all Items choose选择保存位置OK，回到原界面窗口New display Load Band，查看分类效果5. 马氏距离法classification Mahalanobis distance 选择3,4,7波段OK，Select all Items 保存OK，回到原界面New display Load Band，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 post classification class statistics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