遥感影像处理图像分类.docx
- 文档编号:26310772
- 上传时间:2023-06-17
- 格式:DOCX
- 页数:16
- 大小:2.36MB
遥感影像处理图像分类.docx
《遥感影像处理图像分类.docx》由会员分享,可在线阅读,更多相关《遥感影像处理图像分类.docx(16页珍藏版)》请在冰豆网上搜索。
遥感影像处理图像分类
图像分类实验报告
一.目的
理解遥感图像监督与非监督分类的算法差异,并掌握监督分类的工作流程
二.要求
◆根据合成图像勾绘出典型地物类
◆理解特征对于分类结果的影响
◆能够分析地物之间光谱差异
◆能进行监督与非监督分类
◆能对分类后图像进行后处理
三.操作过程
1.IsoData非监督分类
1)显示图像
2)确定分类参数
3)显示分类结果
图1:
分类结果展示
4)分类结果的密度分割
图2:
密度分割成果展示
5)改变图像使用的特征重新分类
2.监督分类
1)构建ROI
1--选择ROI类型为多边形(Polygons)
2--选择ROI绘制的窗口为Zoom
3--将ROI的名称改为江水
4--将ROI显示的颜色为蓝色(Blue)
根据图像将第五进行分类并在原始图像上进行采样,可得以下图
图3:
ROI区域展示
统计ROI的光谱特征
在上图所示的ROI统计结果中,使用绘图来查看ROI的标准差,查看结果如下图所示
2)图像分类
A.平行管道法
图4:
平行管道法分类结果展示
将IsoData非监督分类结果njWorkiso0(中)与监督分类平行管道法的njWorkpp_c(左)在统一界面上进行展示并比较
▶下面三图是局部细节展示
从上图比较中我们易得出,监督分类更具有合理性。
B最大似然法
图5:
最大似然法参数窗口
通过结果图我们容易发现,同样的ROI,改变分类的方法,其结果会有较大的改善,本实验中,最大似然法显然优于平行管道法
C利用规则图像调整分类结果
图6:
规则图像分类工具结果
把阈值进行重新分类,并保存新的分类结果
观察新的分类结果可知,其他用地的范围扩大了
3.分类后处理
操作数据:
njWorkmax_c
1)类别集群
▶使用数学形态学方法将相邻相似的区域进行合并
先对“江水”类进行处理,在此基础上在对“河水”类进行处理,以此类推
图7:
类别集群操作界面
图8:
类别集群操作前(左)后(右)对比
2)主要/次要分析
ENVI:
Classification>>PostClassification
将窗口中孤立的像素值指定为像素值较多的值
3)类别筛选
ENVI:
Classification>>PostClassification>>SieveClasses
将孤立的值从类别中孤立出来
图9:
耕地孤立(右图中黑点)展示
4)分类统计
ENVI:
Classification>>PostClassification>>ClassStatistics
可以统计分类结果的面积和光谱特征
5)分类结果矢量化
ENVI:
Classification→PostClassification→ClasstoVector
将分类结果矢量化,并保存为矢量文件
图10:
操作界面展示
6)将矢量化结果转化为Shape文件
图11:
转化按钮展示
转换过后的文件可以在ArcGIS中打开
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 遥感 影像 处理 图像 分类