監(jiān)督分類(lèi)中常用的具體分類(lèi)方法

1、監(jiān)督分類(lèi)中常用的具體分類(lèi)方法包括：最小距離分類(lèi)法( minimum distance classifier )：最小距離分類(lèi)法是用特征空間中的距離作為像元分類(lèi)依據(jù) 的。最小距離分類(lèi)包括最小距離判別法和最近鄰域分類(lèi)法。 最小 距離判別法要求對(duì)遙感圖像中每一個(gè)類(lèi)別選一個(gè)具有代表意義 的統(tǒng)計(jì)特征量(均值)，首先計(jì)算待分象元與已知類(lèi)別之間的距 離，然后將其歸屬于距離最小的一類(lèi)。 最近鄰域分類(lèi)法是上述方 法在多波段遙感圖像分類(lèi)的推廣。 在多波段遙感圖像分類(lèi)中， 每 一類(lèi)別具有多個(gè)統(tǒng)計(jì)特征量。 最近鄰域分類(lèi)法首先計(jì)算待分象元 到每一類(lèi)中每一個(gè)統(tǒng)計(jì)特征量間的距離， 這樣， 該象元到每一類(lèi) 都有幾個(gè)距離值，

2、取其中最小的一個(gè)距離作為該象元到該類(lèi)別的 距離，最后比較該待分象元到所有類(lèi)別間的距離， 將其歸屬于距 離最小的一類(lèi)。 最小距離分類(lèi)法原理簡(jiǎn)單，分類(lèi)精度不高，但 計(jì)算速度快，它可以在快速瀏覽分類(lèi)概況中使用。 多級(jí)切割分類(lèi)法( multi-level slice classifier)：是根據(jù)設(shè)定在各軸上值域分割多維特征空間的分類(lèi)方法。通 過(guò)分割得到的多維長(zhǎng)方體對(duì)應(yīng)各分類(lèi)類(lèi)別。 經(jīng)過(guò)反復(fù)對(duì)定義的這 些長(zhǎng)方體的值域進(jìn)行內(nèi)外判斷而完成各象元的分類(lèi)。 這種方法要 求通過(guò)選取訓(xùn)練區(qū)詳細(xì)了解分類(lèi)類(lèi)別(總體)的特征，并以較高 的精度設(shè)定每個(gè)分類(lèi)類(lèi)別的光譜特征上限值和下限值， 以便構(gòu)成 特征子空間。 多級(jí)切割分

3、類(lèi)法要求訓(xùn)練區(qū)樣本選擇必須覆蓋所有 的類(lèi)型， 在分類(lèi)過(guò)程中， 需要利用待分類(lèi)像元光譜特征值與各個(gè) 類(lèi)別特征子空間在每一維上的值域進(jìn)行內(nèi)外判斷， 檢查其落入哪 個(gè)類(lèi)別特征子空間中，直到完成各像元的分類(lèi)。多級(jí)分割法分類(lèi)便于直觀理解如何分割特征空間，以及待分 類(lèi)像元如何與分類(lèi)類(lèi)別相對(duì)應(yīng)。由于分類(lèi)中不需要復(fù)雜的計(jì)算， 與其它監(jiān)督分類(lèi)方法比較， 具有速度快的特點(diǎn)。 但多級(jí)分割法要 求分割面總是與各特征軸正交， 如果各類(lèi)別在特征空間中呈現(xiàn)傾 斜分布，就會(huì)產(chǎn)生分類(lèi)誤差。因此運(yùn)用多級(jí)分割法分類(lèi)前，需要 先進(jìn)行主成分分析， 或采用其它方法對(duì)各軸進(jìn)行相互獨(dú)立的正交 變換，然后進(jìn)行多級(jí)分割。最大似然分類(lèi)法 (max

4、imum likelihood classifier)：最大似然分類(lèi)法是經(jīng)常使用的監(jiān)督分類(lèi)方法之一，它是通過(guò) 求出每個(gè)像元對(duì)于各類(lèi)別歸屬概率(似然度)( likelihood )， 把該像元分到歸屬概率(似然度)最大的類(lèi)別中去的方法。最大 似然法假定訓(xùn)練區(qū)地物的光譜特征和自然界大部分隨機(jī)現(xiàn)象一 樣，近似服從正態(tài)分布，利用訓(xùn)練區(qū)可求出均值、方差以及協(xié)方 差等特征參數(shù)， 從而可求出總體的先驗(yàn)概率密度函數(shù)。 當(dāng)總體分 布不符合正態(tài)分布時(shí)， 其分類(lèi)可靠性將下降， 這種情況下不宜采 用最大似然分類(lèi)法。最大似然分類(lèi)法在多類(lèi)別分類(lèi)時(shí)，常采用統(tǒng)計(jì)學(xué)方法建立起 一個(gè)判別函數(shù)集， 然后根據(jù)這個(gè)判別函數(shù)集計(jì)算各待分

5、象元的歸屬概率(似然度)。這里，歸屬概率(似然度)是指：對(duì)于待分象元x，它從屬于分類(lèi)類(lèi)別k的(后驗(yàn))概率。設(shè)從類(lèi)別 k 中觀測(cè)到 x 的條件概率為 P(x|k) ，則歸屬概率 Lk 可表示為如下形式的判別函數(shù)：式中 P(k) 為類(lèi)別 k 的先驗(yàn)概率，它可以通過(guò)訓(xùn)練區(qū)來(lái) 決定。此外，由于上式中分母和類(lèi)別無(wú)關(guān)，在類(lèi)別間比較的時(shí)候 可以忽略。最大似然分類(lèi)必須知道總體的概率密度函數(shù) P(x|k) 。由于假定 訓(xùn)練區(qū)地物的光譜特征和自然界大部分隨機(jī)現(xiàn)象一樣， 近似服從 正態(tài)分布 ( 對(duì)一些非正態(tài)分布可以通過(guò)數(shù)學(xué)方法化為正態(tài)問(wèn)題來(lái) 處理 )，因此通常可以假設(shè)總體的概率密率函數(shù)為多維正態(tài)分布， 通過(guò)訓(xùn)練區(qū)，

6、 按最大似然度測(cè)定其平均值及方差、 協(xié)方差。 此時(shí)， 像元X歸為類(lèi)別k的歸屬概率Lk表示如下(這里省略了和類(lèi)別 無(wú)關(guān)的數(shù)據(jù)項(xiàng))。(6-9) 式中： n: 特征空間的維數(shù)；P(k) ：類(lèi)別 k 的先驗(yàn)概率；Lk(x):像元X歸并到類(lèi)別k的歸屬概率;X:像元向量；a k 類(lèi)別k的平均向量（n維列向量）；det :矩陣A的行列式刀k :類(lèi)別k的方差、協(xié)方差矩（n x n矩陣）.這里注意:各個(gè)類(lèi)別的訓(xùn)練數(shù)據(jù)至少要為特征維數(shù)的2到3倍以上這樣才能測(cè)定具有較高精度的均值及方差、協(xié)方差；如果2個(gè)以上的波段相關(guān)性強(qiáng)，那么方差協(xié)方差矩陣的逆矩陣可能不存 在，或非常不穩(wěn)定，在訓(xùn)練樣本幾乎都取相同值的均質(zhì)性數(shù)據(jù)組

7、時(shí)這種情況也會(huì)出現(xiàn)。此時(shí)，最好采用主成分變換，把維數(shù)壓縮 成僅剩下相互獨(dú)立的波段， 然后再求方差協(xié)方差矩陣；當(dāng)總體分 布不符合正態(tài)分布時(shí)，不適于采用正態(tài)分布的假設(shè)為基礎(chǔ)的最大 似然分類(lèi)法。當(dāng)各類(lèi)別的方差、協(xié)方差矩陣相等時(shí)，歸屬概率變成線(xiàn)性判別函數(shù)，如果類(lèi)別的先驗(yàn)概率也相同， 此時(shí)是根據(jù)歐氏距離建立 的的線(xiàn)性判別函數(shù)，特別當(dāng)協(xié)方差矩陣取為單位矩陣時(shí)，最大似然判別函數(shù)退化為采用歐氏距離建立的最小距離判別法。監(jiān)督分類(lèi)流程圖（Erdas環(huán)境）在專(zhuān)業(yè)遙感圖像處理軟件 Erdas環(huán)境下，監(jiān)督分類(lèi)的流程圖可以 表示如下：圖2-1 監(jiān)督分類(lèi)流程圖監(jiān)督分類(lèi)注意事項(xiàng)（1）分類(lèi)應(yīng)從下往上，即每一地類(lèi)應(yīng)先細(xì)分為若干小

8、類(lèi)，然后 再依需要自下而上合并成大類(lèi)。（2） 每一類(lèi)的訓(xùn)練區(qū)文件 aoi與特征文件sig應(yīng)該一一對(duì)應(yīng)， 即每一類(lèi)對(duì)應(yīng)的訓(xùn)練區(qū)和特征文件都應(yīng)該保存為一個(gè)單獨(dú)的文件，以方便在調(diào)整訓(xùn)練區(qū)的時(shí)候進(jìn)行修改。（3）精度檢驗(yàn)后若精度不符合要求，需要重新調(diào)整訓(xùn)練區(qū)，再 次分類(lèi)，直到精度滿(mǎn)足要求為止。監(jiān)督分類(lèi)過(guò)程示例圖2-2為某地TM遙感影像，432波段假彩色合成。圖2-2TM影像（432波段合成）確定分類(lèi)類(lèi)別通過(guò)色調(diào)、紋理等圖像特征，確定該區(qū)域分類(lèi)類(lèi)別為水體，植被 和灘涂。各類(lèi)分類(lèi)特征如表 2-1所示。表2-1分類(lèi)特征3為每一類(lèi)選擇訓(xùn)練區(qū)及特征文件(1) AOI操作工具簡(jiǎn)介圖 2-3 AOI在Viewer窗口

9、中選擇“ AOI”f浮動(dòng)工具欄“Tools ”，調(diào)出 AOI (Area OfInterest ，感興趣區(qū))浮動(dòng)工具欄(如圖2-3 所示)。其中較為常用的工具按鈕為：(2)特征文件操作工具簡(jiǎn)介特征文件從AOI區(qū)域中獲得。使用“ Erdas” f“ Classifier ” f “ Sig nature Editor ，調(diào)出特征文件編輯器，如圖2-4所示。圖 2-4 特征文件編輯器其中較為常用的工具為：打開(kāi)一個(gè)特征文件。新建一個(gè)特征文件 / 打開(kāi)新的特征文件編輯器。添加選中的AOI的特征到特征文件中。使用選中的AOI特征替換當(dāng)前特征。合并選中的特征文件中的特征到一個(gè)特征。圖 一般建立特征文件的步

10、驟是， 在 Viewer 窗口中使用 AOI 2-5 工具勾畫(huà)感興趣區(qū)，使用把該 AOI 區(qū)域中的特征添加到特征文件中。也可以選中多個(gè) AOI 批量添加到特征文件中。（ 2）為各類(lèi)別建立訓(xùn)練區(qū)文件和特征文件。把遙感影像放大到像元級(jí)，選擇矩形 AOI 選擇工具，根 據(jù)建立的判讀標(biāo)識(shí)，在遙感影像上選擇AOI 區(qū)域，然后使用 依次添加特征到特征文件中。（注：作為示例，本例選 擇3個(gè)AOI區(qū)域，且沒(méi)有細(xì)分小類(lèi)。）選擇完成的 AOI區(qū) 圖 域和特征文件如圖 2-5 和圖 2-6 所示。2-6分別保存為“水體 .aoi ”和“水體 .sig ”。在 Viewer 窗口中使用 去除已經(jīng)保存完畢的 AOI 圖

11、層， 重新選擇其他類(lèi)別的訓(xùn)練區(qū)，并建立新的特征文件。分別 保存為“植被 .aoi ”和“植被 .sig ”；“灘涂 .aoi ”和 “灘涂 .sig ”。（ 3）合并特征文件在各個(gè)類(lèi)別的特征文件建立完畢后， 需要合并成為一個(gè)總體特征 文件。新建一個(gè)特征文件編輯器，選擇 打開(kāi)保存的“水體 .sig ”文件。注意選擇“ Append” （添加）把特征文件添加進(jìn)來(lái)，而非“ Replace ”（替換）。如圖 2-7 所示。圖 2-7 添加特征文件把水體特征文件添加進(jìn)來(lái)之后，全部選中所有的特征，如圖 2-8 所示。圖 2-8 選中所有特征使用 工具，把選中的水體的所有特征合并為一個(gè)總體的水體特 征，右單

12、擊“ Class# ”列表，選擇“ Delete Selection ”刪除原 有特征如圖 2-9 所示。圖 2-9 刪除原有特征重命名總體水體特征的“ Signature Name ”為“水體”。如圖 2-10 所示。如此添加其他兩類(lèi)進(jìn)入， 并合并成各自的總體特征， 分別命名為“植被”、“灘涂”。并更改Value值為1,2, 3,并另存為（SaveAs）“結(jié)果特征文件.sig ”如圖2-11所示。圖 2-11 結(jié)果特征文件（ 4）分類(lèi)選擇“ Erdas ” f“ Classifier ” f“ SupervisedClassification ”,在分類(lèi)設(shè)置對(duì)話(huà)框中如圖 2-12 設(shè)置圖 2

13、-12 監(jiān)督分類(lèi)設(shè)置在該對(duì)話(huà)框中, 使用 輸入待分類(lèi)的圖像“”、 分類(lèi)特征文件“結(jié) 果特征文件 .sig ”并指定分類(lèi)結(jié)果的保存路徑及名稱(chēng), 如“分類(lèi) 結(jié)果 .img ”。分類(lèi)方法選擇“ Maximum Likelihood ”（最大似 然）,其余可以默認(rèn)。點(diǎn)擊“ OK，系統(tǒng)將對(duì)原始影像依據(jù)指定的特征文件進(jìn)行分類(lèi)。 運(yùn)算完畢界面如圖 2-13 示。5）分類(lèi)結(jié)果分類(lèi)的結(jié)果如圖 2-14 所示圖2-14分類(lèi)結(jié)果為了更好的表達(dá)分類(lèi)結(jié)果，可以使用Viewer窗口中的“ Raster ” f“ Attributes ”，更改“水體”和“植被”的顯 示顏色為藍(lán)色（RGB為0 0 1 ）和綠色（RGB為 0

14、 1 0 ），如圖2-15 示。圖2-15調(diào)整顏色調(diào)整顏色后的分類(lèi)結(jié)果如圖 2-16所示。精度檢驗(yàn)同時(shí)打開(kāi)原始影像和分類(lèi)結(jié)果圖，在任一幅圖中單擊右鍵，在彈出的菜單中選擇“ Geo. L ink/Un li nk ”，然后在另一幅圖中 單擊左鍵，關(guān)聯(lián)兩幅影像。使用“ Erdas ” f“ Classifier ” f“ Accuracy Assessment”，調(diào)出精度檢驗(yàn)設(shè)置窗口。使用該窗口中“ File ” “ Open”，打開(kāi)原始影像:調(diào) 入內(nèi)存。使用“ View” f“ Select Viewer”，選擇已經(jīng)打開(kāi)的分類(lèi) 圖，用以顯示將要讀取的點(diǎn)位信息。讀入GPS測(cè)量的點(diǎn)。格式為標(biāo)準(zhǔn)的txt文本。文件格式化為3列，第一列存儲(chǔ)x坐標(biāo)，第二列存儲(chǔ)y坐標(biāo)，第 三列存儲(chǔ)類(lèi)別代碼（即分類(lèi)時(shí)指定的 Value值）。如本例中存儲(chǔ) 的GPS點(diǎn)文件如表2-3所示表2-3 GPS點(diǎn)位23233131312111111332文件中存儲(chǔ)的坐標(biāo)投影應(yīng)與影像投影完全一致，如本例中影像投影為 UTM/Clark1866 N50。使用“ Edit ”f“ Import User-defined Points ”，讀入 GPS點(diǎn)圖 2-18