監(jiān)督分類試驗報告

1、實驗報告題目：監(jiān)督分類姓名子日期一、實驗目的理解計算機圖像分類的基本原理以及監(jiān)督分類的過程，運用ERDAS軟件達到能熟練地對遙感圖像進行監(jiān)督分類的目的。二、監(jiān)督分類原理監(jiān)督分類 （supervised classification）又稱訓練場地法，是以建立統(tǒng)計識別 函數(shù)為理論基礎，依據典型樣本訓練方法進行分類的技術。即根據已知訓練區(qū)提 供的樣本，通過選擇特征參數(shù)，求出特征參數(shù)作為決策規(guī)則，建立判別函數(shù)以對 各待分類影像進行的圖像分類，是模式識別的一種方法。要求訓練區(qū)域具有典型 性和代表性。判別準則若滿足分類精度要求，則此準則成立；反之，需重新建立 分類的決策規(guī)則，直至滿足分類精度要求為止。1）

2、平行六面體法在多波段遙感圖像分類過程中，對于被分類的每一個類別，在各個波段維上都要選取一個變差范圍的識別窗口，形成一個平行六面體，如果有多個類別， 則形成多個平行六邊形，所有屬于各個類別的多維空間點也分別落入各自的 多維平行六面體空間。2）最小距離法使用了每個感興趣區(qū)的均值矢量來計算每個未知象元到每一類均值矢量的 歐氏距離，除非用戶指定了標準差和距離的閾值，否則所有象元都將分類到 感興趣區(qū)中最接近的那一類。3）最大似然法假定每個波段中的每類的統(tǒng)計都呈現(xiàn)正態(tài)分布，并將計算出給定象元都被歸到概率最大的哪一類里。4）馬氏距離法是一個方向靈敏的距離分類器，分類時將使用到統(tǒng)計信息，與最大似然法有 些類似

3、，但是她假定了所有類的協(xié)方差都相等，所以它是一種較快的分類方 法。三、實驗步驟及結果1、定義分類模板定義分類模板包括分類模板的生成、管理、評價和編輯等，功能主要由分類模板編輯器（Signature Editor）完成，具體步驟包括：1）打開需要分類的影像本實驗所處理的遙感圖像打開如下圖所示。ViEH*1 1 gflimg QLayw .用;51m-室（2syer-之:= 1百File UHity iiew AQI RTtrr Help由喃由irf等彳強如 總盤b +北 第0州內 111M109.5D. 1339&50圖1原始遙感圖像2）打開分類模板編輯器3）調整屬性文字在分類編輯窗口中的分類屬

4、性表中有很多字段，可以對不需要的字段進行調整。4）選取樣本基于先驗知識，需要對遙感圖像選取訓練樣本，包括產生AOI、合并、命名, 從而建立樣本。考慮到同類地物顏色的差異，因此在采樣過程中對每一地類的采 樣點（即AOI）不少于10個。選取樣本包括產生AOI和建立分類模板兩個步驟。（1）產生AOI的方法有很多種，本實驗采用應用查詢光標擴展方法。（2）建立分類模板在分類模板編輯窗口，單擊按鈕，將多邊形AOI區(qū)域加載到分類模板屬性表中。在同樣顏色的區(qū)域多繪制一些 AOI ,分別加載到分類模板屬性表中。 本實驗中每一顏色 類別選取了 10個AOI樣本點。在分類模板屬性表中，依次單擊這些AOI (按住sh

5、ift鍵)，并在單擊三)將所選中的模板合并成一個新的模板。在分類模板屬T表中，單擊 Edit/Delete ,刪除合并前的模板。并單擊 Signature Name 進入輸入狀態(tài)，輸入對應的類別名稱，單擊 color設置顏色。重復以上步驟將所有的類型建立分類模板。5)保存分類模板本實驗中共建立了五種分類模板，保存結果如下圖所示。圖2建立5種分類模板2、評價分類模板ERDASIMAGINE提供的分類模板評價工具有：分類報警工具(A larm s)、可 能性矩陣(Con tingencymatrix)、特征對象(featu re object s)直方圖方法 (Histograms 卜分類的分離性

6、(Signatu reseparability)分類統(tǒng)計分析(Statistics)等。 研究中利用各工具對遙感影像的監(jiān)督分類模板進行評價，得到較理想的結果。1)分類預警評價分類模板報警工具根據平行六邊形決策規(guī)則將原屬于或估計屬于某一類別 的像元在圖像視窗中加亮顯現(xiàn)，以示警報，也可以設置選項使用其它顏色顯示。 一個報警可以針對一個類別或多個類別。根據模板編輯器中指定的顏色，選定類別的像元旦顯示在原始圖像視窗中，并覆蓋在原始圖像上，形成報警掩膜,利用F licker功能查看報警掩膜,通過測試，依靠已有模式識別技能，或實地數(shù)據，確 定準確性。在分別選擇農田、水面、山地類別時 ，發(fā)分類面積過大，經過

7、幾次反復選點、合并與刪除，再應用分類模板報警工具形成報警掩膜，以檢驗模板的準 確性，直到結果滿意為止。評價完成后刪除分類報警掩膜。2)可能性矩陣可能性矩陣評價工具是根據分類模板,分析AOI訓練區(qū)的像元是否完全落 在相應的類別中。可能性矩陣的輸出結果是百分比矩陣，說明每個AOI訓練區(qū)中有多少個像元分別屬于相應的類別。AO I訓練區(qū)的分類可應用分類原則：平 行六面體(PanallelePiped )特征空(FeatureSpace)最大似然(Maximum Likelihood) 馬氏距離(Mahalanob is istance研究中選擇的是最大似然。隨后，分 類誤差矩陣將顯示在IMAGIN E

8、文本編輯器(Tex t Editor)中，供查看統(tǒng)計。如果 誤差矩陣值小于85% ,則模板需要重新建立。其中統(tǒng)計數(shù)據如下圖所示。j3 Editor ZntMt. Din e;/w/Fiile Edit Mu FindHe-Ip-I J II 曰I EKHOR HATRIXtJL后導豆Jl leda tnDeiriounte in riv0圭 leiksl-eLIMl-sZld cityCaluhEi Tu Jl加 nun t Ia.i. tl i1(10nL Q00u00口10IDRe EJre nee Da t acityRriv Total0LDQLOClIQ(J1010ID105D上匚。

9、口鼻 t*End of Etrnr MntTixL 一 n-on-DO oE 口：rdinj40 n0 1010圖3分類誤差矩陣3)模板對象圖示模板的特征對象工具可以顯示各類別模板的統(tǒng)計圖，以便比較不同類別。評 價時，用模板件中的平均值與標準差計算集中度橢圓，也可生成平行六面體矩形、平均值以及注記。統(tǒng)計圖以橢圓形式顯示在特征空間圖像中，每個橢圓都是 基于類別的平均值及其標準差?？梢酝瑫r產生一個類別或多個類別的圖形顯示 由于在特征空間圖像中繪畫橢圓，所以特征空間圖像必須處于打開狀態(tài)。橢圓的 重疊程度，反映了類別的相似性。如果兩個橢圓不重疊，說明代表相互獨立的類 別，是分類所需要的。然而，重疊是肯

10、定有的，因為幾乎沒有完全不同的類別。 如果兩個橢圓重疊較多，則這兩類別是相似的，分類不理想。對所有波段通過橢 圓圖分析，可以確定究竟使用哪些模板與波段可以得到準確的分類結果。4）直方圖繪制直方圖繪制工具通過分析類別的直方圖對模板進行評價和比較，可以同時對一個或多個類別制作直方圖，如果處理對象是單個類別，就是當前活動類別， 如果是多個類別的直方圖，就是處于選擇集中的類別。通過選擇不同類別、不同 波段繪制直方圖,可以分析其特征。在 H istograms Plot Control Panel 中作 調整，并且點擊Plot按鈕以實現(xiàn)直方圖反映內容的變化。直方圖方法是經常使 用的模板評價方法，具有簡便

11、、直觀的特點，對于類型的合并極其有用。5）類別的分離性分類的分離性工具用于計算任意類別的統(tǒng)計距離，可確定兩個類別間的差異性程度，也可確定分類中效果最好的數(shù)據層。 類別間的統(tǒng)計距離是基于歐氏光譜 距離、Jeffries-Matusta 距離、分類的分離度、轉換分離度方法計算的。采用 類別分離性工具可以同時對多個類別操作，如果沒有選擇任何類別，則對所有的類別操作。在文本編輯器窗口，可以對報告結果分析，將結果保存在文本文件中。 本實驗對所有類別操作得到的報告結果如下圖所示。圖4類別分離性報告6)分類統(tǒng)計分析分類統(tǒng)計分析功能可以對類別專題層統(tǒng)計，作評價和比較。統(tǒng)計分析每次只能對 一個類別進行，即處于活

12、動狀態(tài)的類別就是當前統(tǒng)計的類別。在模板編輯器中選 擇：View Statistics 一打開Statistics對話框。Statistics對話框的主體是分類統(tǒng)計結果列表，表中包括有該模板基本統(tǒng)計信息(Min,Max,Mean,Std1Dev1) 及協(xié)方差(Convariance)。建立的模板city類統(tǒng)計結果見下圖。圖5模板中city的分類統(tǒng)計結果3、監(jiān)督分類建立滿意的分類模板后，就需要在一定的分類決策規(guī)則條件下，對像元進行 聚類判斷。在選擇判斷函數(shù)及相應的準則后，便可執(zhí)行監(jiān)督分類，具體步驟如下：打開Supervised Classification對話框，參數(shù)設置如下：(1)選擇處理圖像文

13、件(Input Raster File )。(2)確定輸入分類模板(Input Signature )。(3)定義輸出分類文件(Classified File )。(4)設置輸出分類距離文件為Distance File 。(5)選擇非參數(shù)規(guī)則(Non-Parametric Rule), 一般選擇 Feature Space, 即選擇特征空間。(6)選擇疊加規(guī)則(Overlap Rule), 一般為Parametric Rule,參數(shù)規(guī)則, 具體設置以下詳述。(7)選擇未分類規(guī)則(Unclassified Rule )為 Parametric Rule 。(8)選擇參數(shù)規(guī)則(Parametric Rule ), 一般選擇 Maximu