遙感圖像分類分析

1、，ENVI/IDL，6-遙感圖像分類，劉海信河北工業(yè)大學(xué)資源學(xué)院電話ENVI/IDL，根據(jù)方法類型分為以下信息提取類型：6.1分類類型，ENVI/IDL手動(dòng)解釋：適用的定性信息提取，即通過(guò)圖像用肉眼區(qū)分的信息；基于光譜的計(jì)算機(jī)分類(小于10米)，對(duì)中等分辨率和低分辨率的多光譜圖像產(chǎn)生明顯效果；基于專家知識(shí)的決策樹(shù)分類：需要多源數(shù)據(jù)支持。面向?qū)ο蟮姆诸惙椒ǎ弘S著高分辨率圖像的出現(xiàn)而發(fā)展；圖形識(shí)別和曲面反轉(zhuǎn)：定量信息提取，需要模型的支持；變更監(jiān)控：多時(shí)間影像支援；需要地形信息提取，立體圖像對(duì)支持。6.1分類類型，ENVI/IDL，1，監(jiān)督分類監(jiān)督分類：教育分類，稱為通過(guò)已

2、確認(rèn)類別的示例實(shí)體識(shí)別其他未知類別實(shí)體的過(guò)程。也就是說(shuō)，在分類之前，通過(guò)視覺(jué)解釋和現(xiàn)場(chǎng)調(diào)查，對(duì)遙感圖像特定區(qū)域中的圖像圖片的類別特性有了初步的了解，為每個(gè)類別選擇了特定數(shù)量的培訓(xùn)樣本，計(jì)算機(jī)計(jì)算了每個(gè)培訓(xùn)樣本區(qū)域的統(tǒng)計(jì)或其他信息，同時(shí)使用這些種子類別對(duì)決策函數(shù)進(jìn)行培訓(xùn)，以滿足不同子類別分類要求，然后使用訓(xùn)練有素的判斷函數(shù)對(duì)其他子數(shù)據(jù)進(jìn)行分類。根據(jù)不同的規(guī)則，將每個(gè)像素和培訓(xùn)樣本分為最相似的示例類，從而對(duì)整個(gè)圖像進(jìn)行分類。6.1分類類型、ENVI/IDL、2、無(wú)監(jiān)督分類無(wú)監(jiān)督分類也稱為“集群分析”或“分支組分類”。在多光譜圖像中搜索和定義自然相似光譜簇的過(guò)程。該方法不獲取先驗(yàn)知識(shí)，而是依賴圖像中

3、不同類型的光譜信息進(jìn)行要素提取，對(duì)要素的差異進(jìn)行統(tǒng)計(jì)分類，實(shí)現(xiàn)分類目的，然后確定分類的實(shí)際特性。3、基于專家知識(shí)的決策樹(shù)分類基于知識(shí)的決策樹(shù)分類，基于遙感圖像數(shù)據(jù)和其他空間數(shù)據(jù)，通過(guò)專家經(jīng)驗(yàn)總結(jié)、簡(jiǎn)單的數(shù)學(xué)統(tǒng)計(jì)和推導(dǎo)方法等獲取分類規(guī)則，對(duì)遙感進(jìn)行分類。分類規(guī)則容易理解，分類過(guò)程也符合人的認(rèn)識(shí)過(guò)程，最大的特點(diǎn)是利用多源數(shù)據(jù)。6.1分類類型、ENVI/IDL、遙感圖像的監(jiān)視分類通常包括六個(gè)階段，如下圖所示。6.2監(jiān)督分類，ENVI/IDL，第一步：類別定義/特性判別分類目的，根據(jù)圖像數(shù)據(jù)本身的特性和分類區(qū)域中收集的信息確定分類系統(tǒng)。決定是否需要對(duì)圖像進(jìn)行特征判斷、圖像質(zhì)量評(píng)價(jià)、圖像增強(qiáng)等預(yù)處理。這

4、是一個(gè)視覺(jué)查看過(guò)程，主要為后面樣品的選擇打下基礎(chǔ)。這個(gè)例子分為林地、居住區(qū)、耕地、未使用的土地、水體五類。6.2監(jiān)督分類，ENVI/IDL，步驟2:示例選擇第一種方法，使用直接ROI選擇(1)打開(kāi)分類圖像can_tmr.img，將其顯示為RGB:543。(2)在Display下，選擇Overlay-Region of Interest。默認(rèn)ROIs是多邊形，根據(jù)首選項(xiàng)在圖像中定義培訓(xùn)樣例(即繪制興趣區(qū)域ROI)。(3)在ROI工具中，雙擊“ROI名稱”列，然后輸入樣例名稱(換行，回車輸入)。還可以設(shè)置類別顏色。(4)在Display中，移動(dòng)一種圖片類型的更多位置，將image窗口放大一點(diǎn)，選擇

5、enhancee-image linear2%，然后根據(jù)image窗口的直方圖線性拉伸2%，以獲得更好的視覺(jué)效果，并有助于選擇示例。(5)為了更好地區(qū)分林地，我們打開(kāi)了顯示RGB:432的Display，并將兩個(gè)窗口包含在link Displays中，以便于區(qū)分草木。(。6.2監(jiān)督分類，ENVI/IDL，(6)與可視解釋結(jié)果相結(jié)合，選擇在Image或ZOOM窗口中繪制“forest”的多邊形示例時(shí)，示例幾乎均勻分布在整個(gè)圖中。(7)要分別選擇住宅、耕地、未使用的土地、水體的標(biāo)本，請(qǐng)重復(fù)(3)(6)步驟。注：1、樣品選擇是直接影響分類精度的非常重要的過(guò)程。樣品選擇過(guò)程有多種輔助方法。例如，上面的

6、銀可以顯示其他假顏色合成窗口，并且可以在主成分分析后進(jìn)行假顏色合成。這消除了頻帶之間的相關(guān)性，因此其他圖更清楚地區(qū)分了。您也可以使用Google Earth支援分析。6.2監(jiān)督分類、ENVI/IDL、第二種方法、在散點(diǎn)圖中選擇(1)在基礎(chǔ)圖像中選擇tools 2D scatter plots，1波段為x，4波段為y。在具有較少?gòu)膶訇P(guān)系的條帶(2)散點(diǎn)圖中，左鍵單擊所需區(qū)域周圍的多邊形頂點(diǎn)，然后右鍵單擊多邊形以關(guān)閉多邊形。關(guān)閉后，選定區(qū)域?qū)@示在主圖像窗口中，要確定散點(diǎn)圖與顯示窗口中圖的對(duì)應(yīng)關(guān)系，您可以在option image:dance選定的條件下單擊鼠標(biāo)中鍵，查看“一定范圍內(nèi)的顯示圖像”(

7、option set patch size)散點(diǎn)圖與顯示圖像的對(duì)應(yīng)關(guān)系(3)如果您對(duì)繪制不滿意，請(qǐng)將其從類別中刪除，然后從散點(diǎn)圖中刪除class white 將刪除的點(diǎn)還原為白色，或在散點(diǎn)圖中右鍵單擊并選擇clear class()，然后在散點(diǎn)圖中右鍵單擊并繪制“選擇新類”、“重復(fù)(2)(3)階段()所有區(qū)域”，然后在散點(diǎn)圖中右鍵單擊并選擇“導(dǎo)出全部”以導(dǎo)入ROI工具。 ()ROI tool示例名稱，然后選擇調(diào)度顏色即可。6.2監(jiān)督分類，ENVI/IDL，步驟3，評(píng)估培訓(xùn)示例在ROIs面板上，選擇Option-Compute ROI Separability，can_tmr.img作為分類圖像

8、，選擇所有示例進(jìn)行可分離性分析。每個(gè)示例類型之間的分離性由參數(shù)Jeffries-matusita，transformed divergence表示。這兩個(gè)參數(shù)的值介于02.0和大于1.9的值之間，樣品之間的分離性良好，屬于合格樣品。小于1.8，必須重新選擇樣品?？紤]將小于1的兩種類型的樣品合成為一種類型的樣品。另外，另存為文件、6.2監(jiān)督分類、ENVI/IDL、第4步：分類器選擇根據(jù)分類的復(fù)雜性、精度要求等確定哪些分類器。目前，ENVI的監(jiān)督分類可以分為傳統(tǒng)統(tǒng)計(jì)分析學(xué)，包括并行立方體、最小距離、馬爾可夫距離、最大似然、基于神經(jīng)網(wǎng)絡(luò)、模式識(shí)別、支持向量機(jī)、模糊分類等。以下是對(duì)多個(gè)分類器的簡(jiǎn)要說(shuō)明

9、。平行六面體根據(jù)教育樣本的亮度值形成n維的平行六面體數(shù)據(jù)空間，如果其他像素的光譜值位于平行六面體的教育樣本之一的區(qū)域，則劃分為相應(yīng)的類別。使用最小距離訓(xùn)練范例資料計(jì)算每個(gè)類別的平均和標(biāo)準(zhǔn)差向量，然后使用平均向量做為該類別在圖征空間中的中心位置，計(jì)算輸入影像中每個(gè)圖元到每個(gè)類型中心的距離，以及該圖元所屬品類中心的最小距離。6.2監(jiān)督分類、ENVI/IDL、Markov距離計(jì)算從輸入圖像到每個(gè)培訓(xùn)樣本的協(xié)方差距離(有效計(jì)算兩個(gè)未知樣本集的相似性的方法)，以及最終技術(shù)協(xié)方差距離最小的此類別。最大似然假設(shè)每個(gè)樂(lè)隊(duì)的每個(gè)統(tǒng)計(jì)類別都有正態(tài)分布，計(jì)算給定的偽影屬于特定教育樣本的似然度，偽影最終合并為似然最大

10、類別。神經(jīng)網(wǎng)絡(luò)利用計(jì)算機(jī)模擬人腦的結(jié)構(gòu)，用很多小處理器模擬生物的神經(jīng)元，利用算法實(shí)現(xiàn)人腦的識(shí)別、記憶和思維過(guò)程。6.2監(jiān)督分類、ENVI/IDL、支持向量機(jī)支持向量機(jī)分類(Support Vector Machine或SVM)是基于統(tǒng)計(jì)學(xué)習(xí)理論(Statistical Learning Theory或SLT)的機(jī)器學(xué)習(xí)方法。SVM構(gòu)建分類器以最大化分類和類之間的間隔，自動(dòng)查找具有更好的宣傳和更高分類精度的分類的支持向量。光譜角度在n維空間中，將元素與參考光譜相匹配，計(jì)算光譜間的相似性，然后比較光譜間的相似性，較小的角度表示較大的相似性。6.2監(jiān)督分類，ENVI/IDL，1，并行立方體ENVI主

11、菜單中的class ification supervised parallel piped；出現(xiàn)“Classification Input File”對(duì)話框時(shí)，選擇輸入文件can_tmr.img。出現(xiàn)“Parallelepiped Parameters”對(duì)話框。要在不使用標(biāo)準(zhǔn)差的情況下選擇所有None標(biāo)準(zhǔn)差設(shè)置，請(qǐng)單擊“無(wú)”按鈕。要對(duì)所有類別使用相同的閾值，請(qǐng)單擊Single Value按鈕，然后在Max stdev from Mean文本框中，輸入標(biāo)準(zhǔn)偏差相對(duì)于平均值的大小。要為每個(gè)類別設(shè)置不同的閾值，請(qǐng)a .在類別列表中，單擊要設(shè)置不同閾值的類別。b .單擊Multiple Values將

12、其選中。c .單擊Assign Multiple Values按鈕。d .在出現(xiàn)的對(duì)話框中，單擊選擇類別，然后在對(duì)話框底部的文本框中輸入閾值。對(duì)每個(gè)類別重復(fù)此步驟。6.2監(jiān)督分類，ENVI/IDL，2，最小距離法最小距離技術(shù)使用每個(gè)端元素的平均向量計(jì)算每個(gè)未知原語(yǔ)中每個(gè)平均向量的歐氏距離。除非限制標(biāo)準(zhǔn)偏差和距離閾值(某些圖元不符合選擇標(biāo)準(zhǔn)，因此變?yōu)椤盁o(wú)類別”)，否則所有圖元都將分類到最近的類別中。選擇class ification supervised minimum distance。出現(xiàn)“Classification Input File”對(duì)話框時(shí)，選擇輸入文件。將顯示“最小距離參數(shù)”對(duì)話

13、框。設(shè)置標(biāo)準(zhǔn)偏差閾值設(shè)置最大距離錯(cuò)誤注意：如果在“Set Max Stdev From Mean”和“Set Max Distance Error”文本框中設(shè)置了閾值，分類將使用兩者中較小的值來(lái)確定要分類的元素。如果為所有參數(shù)選擇None，則將對(duì)所有基本體進(jìn)行分類。6.2監(jiān)督分類、ENVI/IDL、3、Markov距離分類Markov距離分類是每個(gè)類別的統(tǒng)計(jì)應(yīng)用方向敏感的距離分類器。與最大似然分類相似，但假定所有類的協(xié)方差都相同，因此是更快的分類方法。除非用戶限制距離閾值(在這種情況下，如果某些元素不在閾值內(nèi)，則分組為無(wú)類別)，否則所有實(shí)體將分組為最近的ROI類。選擇class ificati

14、on supervised mahalan anobis distance。設(shè)置Set Max Distance error。此方法與輸出文件相同。6.2監(jiān)督分類、ENVI/IDL、最大似然法最大似然分類假定每個(gè)頻帶的每個(gè)統(tǒng)計(jì)類別分布均勻，計(jì)算指定圖元屬于特定類別的似然度。如果未選擇一個(gè)似然閾值，則將對(duì)所有像素進(jìn)行分類。各形象合并到似然圖最大的類別。選擇class ification supervised maximum likelvood以設(shè)置0-1數(shù)據(jù)比例因子范圍，這是將均勻或發(fā)射率數(shù)據(jù)轉(zhuǎn)換為浮點(diǎn)數(shù)據(jù)的比率因子。例如，如果反射率數(shù)據(jù)在范圍0到10000之間縮放，則設(shè)置的比例因子為10000

15、。如果未指定整數(shù)數(shù)據(jù)，請(qǐng)將比例因子設(shè)置為裝置可以測(cè)量的最大值2n-1，n。例如，對(duì)于8位儀器(Landsat 4)，比例因子設(shè)置為255，對(duì)于10位儀器(NOAA 12 AVHRR)，比例因子設(shè)置為1023，對(duì)于11位儀器(IKONOS)，比例因子設(shè)置為2047。輸出文件設(shè)置、6.2監(jiān)督分類、ENVI/IDL、神經(jīng)網(wǎng)絡(luò)可以使用Neural Net選項(xiàng)應(yīng)用分層向前神經(jīng)網(wǎng)絡(luò)分類。此技術(shù)在進(jìn)行監(jiān)視學(xué)習(xí)時(shí)使用標(biāo)準(zhǔn)反向傳播技術(shù)(backpropagation)。用戶可以選擇使用的隱藏層的數(shù)量，或在日志和雙曲“激活”(activation)函數(shù)之間選擇所需的函數(shù)。通過(guò)調(diào)整節(jié)點(diǎn)上的權(quán)重，輸出節(jié)點(diǎn)激活和所需輸

16、出結(jié)果之間的差異最小，神經(jīng)網(wǎng)絡(luò)技術(shù)將學(xué)習(xí)使用此方法發(fā)生的事件。在學(xué)習(xí)過(guò)程中，錯(cuò)誤在網(wǎng)絡(luò)中向后傳播的同時(shí)，使用遞歸方法調(diào)整權(quán)重。也可以使用神經(jīng)網(wǎng)絡(luò)進(jìn)行非線性分類。需要與神經(jīng)網(wǎng)絡(luò)相關(guān)的知識(shí)，所以可以自己從神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的東西支持向量機(jī)的分類實(shí)際上是一種神經(jīng)網(wǎng)絡(luò)。建議對(duì)支持向量機(jī)進(jìn)行介紹，6.2監(jiān)督分類、envi/IDL、規(guī)則圖像說(shuō)明可以生成規(guī)則圖像的規(guī)則圖像可以由每個(gè)分類符生成，用戶可以評(píng)估分類圖像，必要時(shí)指定閾值并重新分類。在每個(gè)分類符生成的規(guī)則圖像中，如果與元值表示的信息行業(yè)不同，6.2監(jiān)督分類、ENVI/IDL、評(píng)估分類結(jié)果執(zhí)行監(jiān)控分類后需要評(píng)估分類結(jié)果，則ENVI將通過(guò)以下三種方法評(píng)估監(jiān)控分

17、類結(jié)果：1、分類結(jié)果與顯示原始圖像的Display重疊，選擇Overlay-Classification，然后打開(kāi)Interactive Class Tool面板，將結(jié)果分類結(jié)果顯示在原始圖像上方。顯示在Interactive Class Tool面板中，在要顯示的類別on之前處于選定狀態(tài)。您可以按兩下顏色邊界來(lái)反轉(zhuǎn)它。合并到類(1)在Interactive Class Tool面板中，選擇edit-mode : polygon add to Class。(2)在“Interactive Class Tool”面板中，在“未使用的土地”前面的方形顏色塊上單擊鼠標(biāo)左鍵，以使“未使用的土地”類別處于活動(dòng)狀態(tài)。(3)選擇“編輯”窗口。在Image、Image窗口中繪制多邊形，多邊形中的類別都屬于未使用的土地類別。6.2監(jiān)視分類、ENVI/IDL、一定范圍的元數(shù)據(jù)刪除集成(1)從Interactive Class Tool面板中選擇edit-mode 3360 polygon delete from Class。(2)選擇Edit-Se