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
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1