遙感圖像的監(jiān)督分類與處理-趙文彪

1、遙感圖像的監(jiān)督分類與處理趙文彪杭州師范大學(xué) 遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)杭州師范大學(xué)遙感原理與應(yīng)用實(shí)驗(yàn)報(bào)告題目：遙感圖像的監(jiān)督分類與處理實(shí)驗(yàn)姓名：趙文彪學(xué)號：2014212425班級：地信141學(xué)院：理學(xué)院1杭州師范大學(xué) 遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)1實(shí)驗(yàn)?zāi)康倪\(yùn)用envi軟件對自己家鄉(xiāng)的遙感影像經(jīng)行分類和分類后操作。2概述分類方法：監(jiān)督分類和非監(jiān)督分類監(jiān)督分類一一從遙感數(shù)據(jù)中找到能夠代表已知地面覆蓋類型的均質(zhì) 樣本區(qū)域（訓(xùn)練樣區(qū)），然后用這些已知區(qū)域的光譜特征（包括均值、標(biāo) 準(zhǔn)差、協(xié)方差矩陣和相關(guān)矩陣等）來訓(xùn)練分類算法，完成影像剩余部分的 地面覆蓋制圖（將訓(xùn)練樣區(qū)外的每個(gè)像元?jiǎng)澐值骄哂凶畲笙嗨?/p>

2、性的類別 中）。非監(jiān)督分類一一依據(jù)一些統(tǒng)計(jì)判別準(zhǔn)則將具有相似光譜特征的像元 組分分為特定的光譜類；然后，再對這些光譜類進(jìn)行標(biāo)識并合并成信息類光譜特征空間同名地物點(diǎn)在JT同波段圖像中亮度的觀測量將構(gòu)成一個(gè)多維的隨機(jī) 向量X,稱為光譜特征向量。而這些向量在直角坐標(biāo)系中分布的情況為光 譜特征空間。同類地物在光譜特征空間中不可能是一個(gè)點(diǎn)，而是形成一個(gè)相對聚集 的點(diǎn)群。開同地物的點(diǎn)群在特征空間內(nèi)一般具有不同的分布。特征點(diǎn)集群的分布情況：?理想情況：至少在一個(gè)子空間中可以相互區(qū)分?典型情況：任一子空間都有相互重疊，總的特征空間可以區(qū)分?一般情況：任一子空間都存在重疊現(xiàn)象監(jiān)督分類，又稱訓(xùn)練分類法，用被確認(rèn)類

3、別的樣本像元去識別其他未 知類別像元的過程。在分類前通過目視判讀和野外調(diào)查，對遙感圖像上 某些樣區(qū)中影像地物的類別屬性有了先驗(yàn)知識，對每一種類別選取一定數(shù) 量的訓(xùn)練樣本，計(jì)算機(jī)計(jì)算每種訓(xùn)練樣區(qū)的統(tǒng)計(jì)或其他信息，同時(shí)用這些 種子類別對判決西數(shù)逆行訓(xùn)練，使其符合于對各種子類別分類的要求，隨 后用訓(xùn)練好的判決曲數(shù)去對其他待分?jǐn)?shù)據(jù)逆行分類。使每個(gè)像元和訓(xùn)練樣 本做比較，按不同的規(guī)則將其劃分到和其最相似的樣本類，以此完成對整 個(gè)圖像的分類。3實(shí)驗(yàn)步驟遙感影像圖的剪切用envi打開下載的遙感影像圖，剪切出一個(gè)地貌信息豐富的區(qū)域（因?yàn)橐痪斑b感影像太大，分類時(shí)間較長，故而采用剪切的方法，剪切一個(gè)地 貌豐富的遙

4、感影像圖。既便于分類也使得分類種數(shù)不至于減小的太多）以下為剪切出來的遙感影像2杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)類別定義/特征判別用envi打開剪切后的影像圖，判斷可分辨地物為：裸土地、村莊、林 地、河流湖泊、城市及城市道路和其他六類。樣本選擇在管理圖層layer manager中、剪切區(qū).dat圖層右鍵選擇 New region of interest (新建感興趣區(qū))打開 Region of Interest (ROI)Tool面板，開始選擇 樣本。在Region of Interest (ROI)Tool面板上，設(shè)置以下參數(shù)：ROI Name (感興趣區(qū)名字)ROI Color (

5、感興趣區(qū)顏色)默認(rèn)ROIs繪制類型為多邊形，在影像上辨別林地區(qū)域并單擊鼠標(biāo)左鍵 開始繪制多邊形樣本，一個(gè)多邊形繪制結(jié)束后，雙擊鼠標(biāo)左鍵或者點(diǎn)擊鼠標(biāo)右鍵，選擇 Completeand Accept Polygon ,完成一個(gè)多邊形樣本的選擇；完成裸土地、村莊、林地、河流湖泊、城市及城市道路和其他六類感 興趣區(qū)的分類如圖：3杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)計(jì)算樣本的可分離性。計(jì)算樣本的可分離性。在 Region of Interest (ROI)Tool面板上，選擇 OptionCompute ROI Separability ,在 Choose ROIsH板，將幾類樣本都打勾，點(diǎn)擊OK;

6、表示各個(gè)樣本類型的可分離性，用 Jeffries-Matusita,Transformed Divergence參數(shù)表示，這兩個(gè)參數(shù)的值在 02.0之間，大于1.9 說明樣本之間可分離性好，屬于合格樣本；小于 1.8,需要編輯樣本或者 重新選擇樣本；小于1,考慮將兩類樣本合成一類樣本。從如下圖可知，分類良好，不需要合并。4杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)在圖層管理器中，選擇 Region of interest ,點(diǎn)擊右鍵，save as保存 為.xml格式的樣本文件。5杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)分類器選擇平行管道法(Parallelepiped)平行管道法聚類分析：以地

7、物的光譜特性曲線為基礎(chǔ)，假定同類地物 的光譜特性曲線相似作為判決的標(biāo)準(zhǔn)，設(shè)置一個(gè)相似閾值，這樣，同類地 物在特征空間上表現(xiàn)為以特征曲線為中心，以相似閾值為半徑的管子，此 即為所謂的“平行管道”最小距離(Minimum Distance ):利用訓(xùn)練樣本數(shù)據(jù)計(jì)算出每一類的均值向量和標(biāo)準(zhǔn)差向量，然后以均 值向量作為該類在特征空間中的中心位置，計(jì)算輸入圖像中每個(gè)像元到各 類中心的距離，到哪一類中心的距離最小，該像元就歸入到哪一類。最大似然分類算法(Maximum Likelihood )前面的分類器主要是根據(jù)距離測度進(jìn)行判別而最大似然法的判別規(guī)則是基于概率最大似然法需要假設(shè)每個(gè)波段中各類訓(xùn)練數(shù)據(jù)都呈

8、正態(tài)分布，然后計(jì)算出概率密度函數(shù)神經(jīng)網(wǎng)絢(Neural Net):指用計(jì)算機(jī)模擬人腦的結(jié)構(gòu)，用許多小的處理單元模擬生物的神經(jīng)元， 用算法實(shí)現(xiàn)人腦的識別、記憶、思考過程。支持向量機(jī)(Support Vector Machine):支持向量機(jī)分類 (Support Vector Machine或SVM)是一種建立在統(tǒng)計(jì) 學(xué)習(xí)理論(Statistical Learning Theory或SLT基礎(chǔ)上的機(jī)器學(xué)習(xí)者斤法，可 以自動尋找那些對分類有較大區(qū)分能力的支持向量，由此構(gòu)造出分類器， 有較好的推廣性和較高的準(zhǔn)確率。波譜角(Spectral Angle Mapper):它是在N維空間將像元不參照波譜逆

9、行匹配，通過計(jì)算波譜間的相似 度，之后對波譜之間相似度逆行角度的對比，較小的角度表示更大的相似 度。本實(shí)驗(yàn)選擇支持向量機(jī)(Support Vector Machine)分類方法影像分類在 Toolbox/ Classification /Supervised Classification能找至U相應(yīng)的分類方 法。6杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)這里選擇支持向量機(jī)分類方法。在 toolbox中選擇/Classification/Supervised Classification/Support Vector Machine Classification, 選擇待分類 影像，點(diǎn)擊OK,按

10、照默認(rèn)設(shè)置參數(shù)輸出分類結(jié)果。開始分類7杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)8杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)分類還是比較精準(zhǔn)的。分類后處理需要對初步的分類結(jié)果逆行一些處理，才能得到滿足需求的分類結(jié)果， 這些處理過程就通常稱為分類后處理。常用分類后處理通常包括：更改分類顏色、分類統(tǒng)計(jì)分析、小斑點(diǎn)處 理(類后處理)、柵矢轉(zhuǎn)換等操作。包括更改類別顏色、分類后統(tǒng)計(jì)、小 斑坑處理、柵矢轉(zhuǎn)換等。小斑塊去除應(yīng)用監(jiān)督分類或者非監(jiān)督分類以及決策樹分類，分類結(jié)果中不可避免 地會產(chǎn)生一些面積較小的圖斑，有必要對這些小圖斑進(jìn)行剔除或重新分類， 目前常用的方法有 Majority/Minority 分析、聚

11、類處理(clump)和過濾處理(Sieve)。以下對這三種方法融合處理Majority 和 Minority 分析Majority/Minority分析采用類似于卷積濾波的方法將較大類別的像元值歸到該類中，定義一個(gè)變換核尺寸，主要分析( Majority Analysis)用變 換核中占主要地位（像元數(shù)最多）的像元類別代替中心像元的類別。如果 使用次要分析（Minority Analysis）,將用變換核中占次要地位的像元的類 別代替中心像元的類別。打開 Majority/Minority 分析工具，路徑為 Toolbox/Classification/Post Classification/

12、Majority/Minority Analysis ,在彈出對話框中選擇分類好的數(shù) 據(jù)，點(diǎn)擊 OK;在 Majority/Minority Parameters 面板中，點(diǎn)擊 Select All Items 選中所有的類別，其他參數(shù)按照默認(rèn)即可，然后點(diǎn)擊Choose按鈕設(shè)置輸出路徑，點(diǎn)擊OK執(zhí)行操作。9杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)10杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)以下為處理后與處理前的對比，發(fā)現(xiàn)小斑塊確實(shí)少了很多，圖面變得光滑。聚類處理（Clump）聚類處理（clump）是將臨近的類似分類區(qū)域聚類并逆行合并的一種 算法。分類圖像經(jīng)常缺少空間連續(xù)性（分類區(qū)域中斑點(diǎn)或洞的

13、存在）。低通濾波雖然可以用來平滑這些圖像，但是類別信息常常會被臨近類別的編 碼干擾，聚類處理解決了這個(gè)問題。首先將被選的分類用一11杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)個(gè)膨脹操作合并到一坑，然后用變換核對分類圖像逆行腐蝕操作。打開聚類處理工具，路徑為Toolbox/Classification/PostClassification/Clump Classes在彈出對話框中選擇上一步處理好的數(shù)據(jù)，點(diǎn)擊OK;在Clump Parameters面板中，點(diǎn)擊Select All Items選中所有的類別， 其他參數(shù)按照默認(rèn)即可，如下圖所示。然后點(diǎn)擊Choose按鈕設(shè)置輸出路徑，點(diǎn)擊OK執(zhí)行操作。以

14、下為處理后與處理前的比較，發(fā)現(xiàn)圖面變得更加光滑了。12杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)過濾處理（Sieve）過濾處理（Sieve）解決分類圖像中出現(xiàn)的孤島問題。過濾處理使用斑 點(diǎn)分組方法來消除這些被隔離的分類像元。類別篩選方法通過分析周圍的 4個(gè)或8個(gè)像元，判定一個(gè)像元是否不周圍的像元同組。如果一類中被分 析的像元數(shù)少于輸入的閾值，這些像元就會被從該類中刪13杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)除，刪除的像元弼為未分類的像元（Unclassified） 0打開過濾處理工具，路徑為Toolbox/Classification/PostClassification/Sieve Clas

15、ses在彈出對話框中選擇要過濾處理的圖像，點(diǎn)擊 OK;在Sieve Parameters面板中，點(diǎn)擊 Select All Items選中所有的類別， Group Min Threshold設(shè)置為5,其他參數(shù)按照默認(rèn)即可，如下圖所示。然 后點(diǎn)擊Choose按鈕設(shè)置輸出路徑，點(diǎn)擊OK執(zhí)行操作；以下為處理前與處理后的比較，發(fā)現(xiàn)小斑塊更加少了，圖面更加光滑 了。14杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)精度驗(yàn)證對分類結(jié)果進(jìn)行評價(jià)，確定分類的精度和可靠性。通常使用混淆矩陣用于精度驗(yàn)證，可以通過主菜單 -Classification-PostClassification-Confusion Matri

16、x來選擇。真實(shí)參考源可以使用15杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)兩種方式：一是標(biāo)準(zhǔn)的分類圖，二是選擇的感興趣區(qū)（驗(yàn)證樣本區(qū)）。因?yàn)闆]有標(biāo)準(zhǔn)分類圖和驗(yàn)證樣本區(qū)，就用分類樣本區(qū)來代替（如果用分類樣本區(qū)來進(jìn)行精度驗(yàn)證，毫無意義的）在 Toolbox 中， 選擇 /Classification/Post Classification/Confusion MatrixUsing Ground Truth ROIs,選擇分類結(jié)果，軟件會根據(jù)分類代碼自動匹配， 如不正確可以手動更改。點(diǎn)擊OK后選擇報(bào)表的表示方法（像素和百分比）， 點(diǎn)擊OK,就可以得到精度報(bào)表。對混淆矩陣中的幾項(xiàng)評價(jià)指標(biāo)逆行說明：總體

17、分類精度：等于被正確分類的像元總和除以總像元數(shù)。被正確分類的像元數(shù)目沿 著混淆矩陣的對角線分布，總像元數(shù)等于所有真實(shí)參考源的像元總數(shù)。Kappa系數(shù)：它是通過把所有真實(shí)參考的像元總數(shù) （N）乘以混淆矩陣對角線的和， 再減去某一類中真實(shí)參考像元數(shù)不該類中被分類像元總數(shù)之積之后，再除 以像元總數(shù)的平方減去某一類中真實(shí)參考像元總數(shù)不該類中被分類像元 總數(shù)之積對所有類別求和的結(jié)果。錯(cuò)分誤差指被分為用戶感興趣的類，而實(shí)際屬于另一類的像元，它顯示在混淆 矩陣?yán)锩妗Ｂ┓终`差指本身屬于地表真實(shí)分類，沒有被分類器分到相應(yīng)類別中的像元數(shù)。制圖精度16杭州師范大學(xué) 遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn) 是指分類器將整個(gè) 影

18、像的像元正確分為 A類的像元數(shù)（對角線值）不 A類真實(shí)參考總數(shù)（混 淆矩陣中A類列的總和）的比率。用戶精度是指正確分到A類的像元總數(shù)（對角線值）不分類器將整個(gè)影像的像 元分為A類的像元總數(shù)（混淆矩陣中 A類行的總和）比率。分類統(tǒng)計(jì)分類統(tǒng)計(jì)（Class statistics可以基于分類結(jié)果計(jì)算源分類圖像的統(tǒng)計(jì)信 息。基本統(tǒng)計(jì)包括：類別中的像元數(shù)、最小值、最大值、平均值以及類中 每個(gè)波段的標(biāo)準(zhǔn)差等?？梢岳L制每一類對應(yīng)源分類圖像像元值的最小值、 最大值、平均值以及標(biāo)準(zhǔn)差，還可以記每類的直方圖，以及計(jì)算協(xié)方差矩 陣、相關(guān)矩陣、特征值和特征向量，并顯示所有分類的總結(jié)記弓某。打開分類統(tǒng)計(jì)工具，路徑為 To

19、olbox/Classification/PostClassification/Class Statistics，在彈出對話框中選擇分類好的文件，點(diǎn)擊OK；在Statistics Input File面板中，選擇原始影像，點(diǎn)擊OK;在彈出的ClassSelection面板中，點(diǎn)擊Select All Items,統(tǒng)計(jì)所有分類的信息， 點(diǎn)擊OK;在 Compute Statistics Parameters面板可以設(shè)置統(tǒng)計(jì)信息（全部勾選） 。Report Precision按鈕可以設(shè)置輸入精度，按默認(rèn)即可。17杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)18杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)分

20、類疊加分類疊加（Overlay Classes功能，可以將分類結(jié)果的各種類別疊加在 一幅RGB彩色合成圖或者灰度圖像上，從而生成一幅RGB圖像。打開分類結(jié)果和原始影像，（這里將原始影像的真彩色圖像作為背景 圖像）打開拉伸工具（Toolbox/Raster Management/Stretch Data）,在彈出的 對話框中選擇原始影像，然后點(diǎn)擊下方的Spectral Subset如下圖所示）， 在彈出面板中選擇波段1、2、3,點(diǎn)擊OK;在 Data Stretching 面板中，Stretch Range 下的 min 為 2.0% max 為98.0%Output data range 下

21、min 為 0, max 為 255 data type 為 byte選擇輸出路徑和文件名點(diǎn)擊ok；19杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)打開分類疊加工具，路徑為Toolbox/Classification/PostClassification/Overlay Classes在打開的 Input OverlayRGB Image Input Bands面板中，R、G、B 分別 選擇拉伸結(jié)果（上一步輸出文件）的 and3、2、1,點(diǎn)擊OK;20杭州師范大學(xué)遙感圖像的監(jiān)督分類和處理實(shí)驗(yàn)在ClassificationInput File面板中選擇分類圖像，點(diǎn)擊 ok;在 Class Overlay to RGB Parameters面板中