遥感实验七八遥感图像分类2.docx
- 文档编号:5857179
- 上传时间:2023-01-01
- 格式:DOCX
- 页数:18
- 大小:1.20MB
遥感实验七八遥感图像分类2.docx
《遥感实验七八遥感图像分类2.docx》由会员分享,可在线阅读,更多相关《遥感实验七八遥感图像分类2.docx(18页珍藏版)》请在冰豆网上搜索。
遥感实验七八遥感图像分类2
实验七遥感图像的计算机分类
(一)
一、实验目的
1理解和掌握遥感图像计算机分类的原理和方法。
2熟练使用ENVI软件进行数字图像的计算机分类。
3学习使用ENVI软件进行监督法分类
二、实验原理
遥感图像的计算机分类原理是模式识别技术。
它是以电子计算机为工具来模拟人类的感知和识别智能,是人工智能的一个分支。
在客观世界中,每类事物都有其区别于它类事物的独特属性,即具有独特的模式。
在遥感数字图像的计算机分类中,我们依据的地物的独特的模式就是不同地物的不同的波谱特性。
分类时对各集群的分布规律进行统计描述,然后选择一个合理的鉴别函数作为进行集群分类的依据。
对于地物分类来说,选择最能表现不同地物类的特性的特征值来作为判别函数。
判别函数有最小距离函数和最大似然函数两类。
监督法分类是常用的一种分类方法,是一种边识别边分类的方法。
首先进行分类训练,即选择一些有代表性的试验区(样区),用样区内的各种地物的光谱特征(如波谱响应曲线)来训练计算机。
计算机取得识别分类判别规则的先验知识。
再根据这些先验知识来对未知类别像素进行分类识别。
三、实验任务
两人为一小组,实验学时2学时,学习监督法分类
四、主要仪器及试材
计算机,遥感数字图像,ENVI遥感影像处理软件。
五、实验方法及步骤
1使用ENVI软件打开选择待分类的图象。
2在特征影像上选择训练样区(感兴趣区)
感兴趣区通常是在遥感影像上提取的特征要素,这些特征要素使用户能获得自己感兴趣的目标的相关信息。
在特征影像中自己选定样本区域时,使用画出感兴趣区(ROIs)的方法确定感兴趣区,ENVI允许选择任意的多边形、点或矢量的组合来作为一个感兴趣区。
可以定义多个感兴趣区,并绘制到主图像、滚动或缩放窗口中的任何一个中。
这些区域可以呈不规则的形状,通常用来提取分类的统计信息。
(1)定义感兴趣区(DefiningRegionsofInterest)
要定义一个新的感兴趣区,有两种方法:
a.在ENVI主菜单中选择BasicTools>RegionofInterest>ROITool
b.从主图像窗口选择Overlay>RegionofInterest或Tools>RegionofInterest>ROITool.
弹出对话框
感兴趣区类型(ROIType)
感兴趣区有五种类型––––“Polygon”、“Polyline”、“Point”、“Rectangle”和“Ellipse”。
每种类型都有一组不同的鼠标按键任务。
鼠标任务和绘制选项的说明如下:
多边形(Polygon)
多边形模式是感兴趣区定义的系统默认方式。
该模式允许你用连接的线段来勾绘轮廓。
a.在ROIControls对话框内,选择ROI_Type>Polygon.
b.在活动窗口内点击鼠标左键,建立轮廓线段的初始端点。
当移动鼠标选择另一个端点时,显示出一条线段,准确地指示出当前线段的位置。
c.对于连续的绘制,按住鼠标左键并移动光标。
·
d.点击鼠标右键,来绘制最后一条线段,并自动闭合多边形。
·要在线段选择过程中擦除在任何点定义的前一条线段,点击鼠标中键。
e.通过用鼠标左键点击菱形手柄并拖曳,把多边形移动到所需要的位置。
f.点击鼠标右键,接受该多边形。
当多边形完成后,感兴趣区中包含的像元总数与感兴趣区名称一起被列在“AvailableRegionsofInterest”列表中。
你可以为每个感兴趣区绘制多个多边形。
每个连续的多边形按上述绘制,它的像元被添加到整个区域中。
当完成后,该多边形用系统默认的一种颜色填充。
·要更改多边形颜色和填充类型,点击“Edit”,当出现对话框,做适当的更改。
·要任何时候从感兴趣区中删除整个多边形,当光标在所需要的多边形上,点击鼠标中键。
中间按键的模拟是通过按"Ctrl"键和鼠标左键实现的
g.当你对新的感兴趣区感到满意,点击“Cancel”来离开ROIControls对话框。
f.点击“NewRegion”来创建另一个感兴趣区。
折线(Polyline)
折线模式与多边形模式相似,除了它是一个多线段矢量而不是一个闭合的多边形之外。
完成后所定义的线段包围的区域没有被选择和填充。
只有组成线段的那些像元才被选择。
a.在ROIControls对话框,选择ROI_Type>Polyline.
b.采用多边形模式,点击鼠标左键,定义连接线段的端点。
·要删除先前的线段,点击鼠标中键。
·对于连续的绘制,绘制时按住鼠标左键。
c.点击鼠标右键,结束定义折线的过程。
d.使用折线上的手柄,以移动线条。
·要擦除整条折线,在一条先前定义的折线的任何像元上点击鼠标中键。
e.点击鼠标右键,接受该折线。
f.当你对新的感兴趣区感到满意,点击“Cancel”离开ROIControls对话框。
或者:
g.再次点击“NewRegion”,创建另一个感兴趣区。
点(Point)
点模式允许用户选择或删除光标下的像元。
若在缩放窗口使用,该模式效果最佳。
a.在ROIControls对话框,选择ROI_Type>Point.
b.点击鼠标左键,把当前光标下的像元添加到感兴趣区。
·要从感兴趣区中删除一个先前选择的像元(当前光标下),点击鼠标中键。
·要删除当前选择的点模式感兴趣区中的所有像元,点击鼠标右键。
c.当你对新的感兴趣区感到满意,点击“Cancel”来离开ROIControls对话框。
或者:
d.点击“NewRegion”,创建另一个感兴趣区。
矩形和椭圆(RectangleandEllipse)
Rectangle和Ellipse模式允许你绘制矩形和椭圆感兴趣区。
a.在ROIControls对话框,选择ROI_Type>Rectangle或Ellipse.
b.点击鼠标左键,并拖曳光标到所需要的矩形或椭圆大小。
·要画一个正方形或圆,点击并拖曳鼠标中键。
c.点住矩形或椭圆内的菱形手柄,并移动到所需要的位置。
·要删除该形状,在矩形或椭圆上点击鼠标中键。
d.点击鼠标右键,接受该形状到感兴趣区。
e.当你对新的感兴趣区感到满意,点击“Cancel”来离开ROIControls对话框。
f.点击“NewRegion”,创建另一个感兴趣区。
感兴趣区鼠标操作
感兴趣区模式
操作
鼠标按键
交互
多边形,折线
定义端点
左
点击或按住并拖曳
多边形,折线
删除上一个端点
中
点击
多边形,折线
闭合多边形;结束折线
右
点击
多边形,折线
接受多边形或折线
右
点击
多边形,折线
删除整个多边形/折线
中
在所定义的多边形/折线上点击
点
选择点
左
在像元上点击
点
删除点
中
在像元上点击
点
删除ROI中所有点
右
点击
矩形,椭圆
定义形状
左
按住并拖曳
矩形,椭圆
删除形状
中
在形状内点击
矩形,椭圆
接受形状
右
点击
新区域(NewRegion)(另外一类地物的样本区域)
要启动一个新的感兴趣区,在RegionofInterestControls对话框内,点击“NewRegion”,一个新名将出现在“AvailableRegionsofInterest”列表中。
新区域将使用图示颜色列表中系统默认的下一种颜色。
通过使用下述的“Edit”按钮,可以改变颜色。
(2)感兴趣区的编辑
感兴趣区控制
通过选择“Image”、“Scroll”或“Zoom”切换按钮,来控制是否感兴趣区将定义在选择显示的主图像窗口、滚动窗口或缩放窗口内。
编辑(Edit)
要改变当前列在“AvailableRegions”下的区域的名称、颜色及区域填充类型。
a.在RegionofInterestControls对话框内,点击“Edit”。
b.当出现EditROIParameters对话框,从列表中选择一个感兴趣区。
c.从下列选项中选择,编辑你的感兴趣区。
·要编辑名称,在“Name:
”文本小部件中输入新的名称。
·要更改感兴趣区颜色或填充图案,从“Colors”菜单中选择。
d.点击“OK”来返回到ROIControls对话框。
擦除(Erase)
·要从已选定的图像中擦除被选择的感兴趣区覆盖图,在RegionofInterestControls对话框中的感兴趣区名上点击,然后点击“Erase”。
注意当感兴趣区从屏幕上被擦除时,感兴趣区仍然被定义。
·要重新显示感兴趣区图像,再次点击感兴趣区名。
删除(Delete)
·要删除一个感兴趣区,并从系统中删除它,点击感兴趣区名,然后点击“Delete”。
一旦一个感兴趣区被删除,它不能被恢复,除非它已经被保存到一个文件中。
3.统计(Stats)和调整训练样区(感兴趣区)
(1)点击一个感兴趣区名,然后点击“Stats”。
出现AverageSpectrum和ROIStatistics窗口。
这些窗口通过从ROIControls对话框中选择来被显示。
AverageSpectrum图表窗口显示被显示图像相应文件的平均波谱(白色,被选择的ROI的各波段平均值)。
标准差波谱(每个波段的标准差)绘制在平均波谱的上下(绿色,+/-1标准差)。
最小和最大波谱(红色,各波段的最小和最大值)绘制在标准差波谱的上下。
包含统计数字的图表窗口和用于X、Y、Z剖面图的图表窗口一样,所有交互也相同。
ROIStatistics窗口列出文件名、区域名和点号,以及每个波段的波段号、最小值、最大值、均值和标准差。
·要把这些统计数字保存到一个文件:
a.点击“Save”。
b.在“EnterOutputFilename”文本框中输入一个文件名,然后点击“OK。
均值(Mean)
·要显示各波段的一个感兴趣区均值图表(一个平均波谱),点击一个感兴趣区名,然后点击“Mean”。
(2)ROI-File下拉菜单
确定感兴趣区后,File菜单允许使用一个ENVIROI文件来保存和恢复感兴趣区信息,以及把感兴趣区导出到ENVI矢量文件(.evf)。
保存ROIs(SaveROIs)
要保存感兴趣区:
a.选择File>SaveROIs
b.当出现SaveROIstoFile对话框时,用鼠标左键在可滚动列表中点击所需要的感兴趣区名。
·要选择所有感兴趣区,点击“SelectAllItems”。
·要取消选择的所有感兴趣区,点击“ClearAllItems”。
·要选择一组连续列出的感兴趣区,点击所需要的第一个感兴趣区,按住“shift”键,然后点击最后一个所需要的感兴趣区,来突出显示两者之间所有的感兴趣区。
·要选择多个非连续列出的感兴趣区,按住你键盘上“Ctrl”键的同时,点击每个所需要的感兴趣区。
c.键入或选择一个输出文件名。
d.点击“OK”来保存感兴趣区文件。
恢复ROIs(RestoreROIs)
要恢复以前保存的感兴趣区文件:
a.选择File>RestoreROIs.
b.当出现一个系统默认的列有所有.roi文件的文件选择对话框时,点击一个文件名导入该感兴趣区文件。
导出ROIs到EVF(ExportROIstoEVF)
感兴趣区可以被导出到ENVI矢量文件(.evf)。
所有被选择的感兴趣区将作为独立的记录导出到一个层。
若感兴趣区相应的文件是经过地理坐标定位了的,那么矢量层将使用相同的投影。
要把所选择的感兴趣区导出到一个ENVI矢量文件(.evf):
a.选择File>ExportROIstoEVF.
b.当出现ExportRegionstoEVF对话框时,通过在感兴趣区名上点击,选择所需要的感兴趣区来导出。
·要选择所有的感兴趣区,点击“SelectAllItems”。
·要取消选择所有的感兴趣区,点击“ClearAllItems”。
·要选择一组连续列出的感兴趣区,点击所需要的第一个感兴趣区,按住“shift”键,然后点击最后一个所需要的感兴趣区,来突出显示两者之间所有的感兴趣区。
·要选择多个非连续列出的感兴趣区,按住你键盘上“Ctrl”键的同时,点击每个所需要的感兴趣区。
再次点击取消选择一项。
c.选择应该如何处理感兴趣区的点,是把每个点作为一个单独的矢量记录,还是所有点作为一个矢量记录。
d.在“LayerName”文本框中,输入所需要的层名。
e.选择输出到“File”或“Memory”,若有必要,键入一个输出文件名。
4、ROI的质量评价(训练样本的优化和提纯ROI)
上述步骤中选择的某类训练样本,可能混入了其他类型的样本,为了提高图像分类精度,需要对训练样本进行提纯。
即质量评价
分为定性评价和定量评价两种方法。
定性评价法:
在ROITool中选择【File】|【ExportROIston-DVisualizer】
选择所有地物类型选择所有波段,点击图中的【Start】按钮,即可动态观看左图的图像。
N维可视化分析器(N—DimensionalVisualizer)即是对选择的训练区像元进行提纯。
当某些像元始终聚集在一起运动时,这些就是所需的最纯像元;若在运动时,像元分成了两个部分,则说明选择了两类地物的训练区,需把此训练区像元分开处理。
不同颜色代表不同地物,同种颜色聚类在一起。
一般而言,两个聚类相离越远,说明ROI选择的越好,若两个聚类掺杂在一起,则说明ROI的选择并不理想。
让训练区像元在n维空间内自由转动(可以控制转动速度Speed),当转到最能区分各类型训练区像元的位置时,停止转动,进行样本提纯操作。
即:
(1)在n-DVisualizer窗口中用鼠标选择某类训练区的纯像元并点击鼠标右键确定(可
进行多次选择),再次单击右键>>ExportClass,提纯后的训练区将出现在ROITool窗口中。
(2)进行下一个类型训练区的提纯时,首先要在n-DVisualizer窗口中单击右键>>NewClass
,下面的操作如前。
如此,完成所有训练区的提纯。
(3)训练区的保存:
ROITool:
File>>SaveROIs„
定量评价法:
在ROITool中选择【Options】|【ComputeROISeparability】,计算各个地物样本的“可分离度”.在计算结果中,可以主要关注结果列表中最后的几行信息,如红色框区所示,是两种地物之间的可分离度。
可分离度的数值在0-2之间,数值越大,可分离度越高。
一般而言,可分离度>1.8则可认为合格。
附加说明:
①可分离度高,分类结果不一定好;可分离度低,分类结果一定不好;②可分离度高有可能是选择的样本数量太小。
如果使用的是定量评价法,修改ROI的方法为:
在ROITool中选择分离度较低的地物类型,使用【Goto】按钮一一查看其样本,并使用【DeletePart】按钮将不理想的样本逐一删除。
当然,无论哪种方法,如果两类地物样本的可分离度过低,还可以考虑直接将两类地物合并。
合并时可使用ROITool中【Option】|【MergeRegions】按钮。
5.选择Classification>Supervised>需要的分类方法。
例如选择平行六面体的分类方法(Parallelepiped)
(1)出现ClassificationInputFile对话框时,选择文件、波段子集。
点击OK,弹出参数对话框
选择感兴趣区SelectAllItems,输出到memory,OutRuleImages选择No。
点击“OK”开始分类,新建DISPLAY窗口,显示分类结果。
Linkdisplay,察看分类结果。
其它方法类似。
6.对待分类影像做几次分类,比较训练样区的选择对分类结果的影响。
用下面程序实现ENVI的监督分类技术(包括平行六面体、最短距离、马氏距离、最大似然、波谱角度制图仪以及二进制编码方法):
6.分类后处理(PostClassification)
1.分类统计:
ENVI:
Classification>>PostClassification>>ClassStatistics:
包括每一类
的点数、最小值、最大值、平均值以及类的每个波段的标准差等。
其中每一类的最小值、最大值、平均值以及标准差可以以图的方式进行显示。
可以显示出每一类的直方图,并且计算其协方差矩阵、相关矩阵、特征值和特征矢量等。
2.两个分类结果的比较:
ENVI:
Classification>>PostClassification>>ConfusionMatrix:
分类结果的精度,显示在一个混淆矩阵里。
通过用分类结果与地表真实图像(GroundTruthImage)或地表真实感兴趣区(GroundTruthROIs)相比较来计算混淆矩阵。
分类结果记录了总体精度、准确度、Kappa系数、混淆矩阵、commission误差(每类中额外像元占的百分比)和冗长误差(类左边的像元占的百分比)等等。
当用地表真实图像计算混淆矩阵时,还可以输出每类图像中没有被正确分类的那些像元。
3.类别集群:
ENVI:
Classification>>PostClassification>>ClumpClasses
细小块的合并,将一些碎块进行合并(平滑处理)。
注:
未被选上用于聚块(clumping)的类,在输出图像上无变化。
4.类别筛选:
ENVI:
Classification>>PostClassification>>SieveClasses
通过用斑点分组消除这些隔离的被分类的像元。
该功能菜单将删除分类中的孤岛像元,并用黑像元表示,可以用成块分类功能代替黑像元。
注:
在“GroupMinThreshold”文本框里,输入一个类组需要包含的最少像元数(4或8)。
任何一组小于这一数值的像元将从类中被删除。
5.类的合并:
ENVI:
Classification>>PostClassification>>CombineClasses:
将分过的类进行选择性的合并,可以合并为一类或几类。
6.类的叠合:
ENVI:
Classification>>PostClassification>>OverlayClass:
用一幅彩色合成影像或灰阶影像生成一幅影像地图,并且类的颜色叠置在一起,输出一幅3波段的RGB图像。
7.修改类的颜色:
当一个分类后的图像被导入一个显示窗口时,每类自动呈现出不同的颜色。
每类的颜色与监督分类中选择的感兴趣区的颜色或非监督分类中预先选择的每类颜色相对应。
未分类区
域在图像中呈黑色,可以改变每类的颜色。
附:
非监督分类(UnsupervisedClassification)
非监督分类:
仅仅用统计方法对数据集中的像元进行分类,不需要样本。
方法:
(1)IsoData:
ENVI:
Classification>>unsupervised>>IsoData>>IsoDataParameters
对话框:
参数设置说明在ISODATAParameters对话框中,输入NumberofClasses(分类数),Min(最少分类数)8、Max(最大分类数)15,MaximumIteration(最大迭代数)10,ChangThreshold(像元变化的阀值)5.00,Minimum#PixelinClass(每类中的最小像元数)1,MaximumClassStdv(最大标准差)3.00,MinimumClassDistance(最小类间距)4.00,Maximum#MergePairs(最大合并数)2等8个基本参数(根据实际图像和先验知识更改参数的设置)
(2)K-Means:
ENVI:
Classification>>unsupervised>>K-Means>>K-MeansParameters
参数设置说明(参见指南)
六、实验注意事项
1注意选择合适的特征影像
2在选择样区时注意样区选择的原则,要选择合适的样区。
3要学会运用样区的统计曲线判断样区的选择是否合理。
实验八遥感图像的计算机分类
(二)—决策树分类
一、实验目的
1在实验七的基础上进一步理解和掌握遥感影像计算机分类的基本原理和方法。
2学习使用ENVI软件进行决策树分类。
二、实验原理
完成分类任务的方法有决策树学习方法、神经网络方法、统计学方法,其中决策树方法具有速度快、精度高、生成的模式简单、可以使用多种图像数据综合进行分类的优点,决策树学习是一种逼近离散值目标函数的方法,这种方法将从一组训练数据中学习到的函数表示为一棵决策树。
决策树叶子为类别名,其他的结点由实体的特征组成,每个特征的不同取值对应一个分枝。
若要对一个实体分类,从树根开始进行测试,按特征的取值向下进入新结点,对新结点进行测试,过程一直进行到叶结点,实体被判为属于该叶子结点所标记的类别。
它可以表示任意的离散函数和离散特征,可以将实例分成2个或多个类。
本次实验所练习的决策树分类规则描述如下:
1:
将影像的像素分为两类:
一类NDVI值大于0.3,另一类NDVI值小于或等于0.3。
1.1:
NDVI值高的那些像素再分为两类:
一类坡度大于或等于20度,另一类坡度小于20度。
1.1.1:
坡度小于20度的像素继续分为两类:
阴坡和阳坡。
而NDVI值高、坡度大于或等于20的像素就不再往下细分。
2.:
NDVI值小于或等于0.3的那些像素也被分为两类:
一类波段4的值小于20,另一类波段4的值大于或等于20。
然而,波段4的值等于0的像素同波段4的值小于20的那些像素不是同一类的,此外波段1的值小于波段1的均值的那些像素同NDVI小于等于0.3的那些像素也不是同一类的,因此要对这些像素进一步的细分子类。
同样,该决策树也可以使用下列的准则进行描述:
*类1(Class1):
NDVI值大于0.3,坡度大于或等于20度
*类2(Class2):
NDVI值大于0.3,坡度小于20度,阴坡
*类3(Class3):
NDVI值大于0.3,坡度小于20度,阳坡
*类4(Class4):
NDVI值小于或等于0.3,波段4的值大于或等于20
*类5(Class5):
NDVI值小于或等于0.3,波段4的值小于20
*类6(Class6):
波段4的值等于0
三、实验任务
以两人为一小组,实验学时2学时,学习决策树分类方法。
四、主要仪器及试材
计算机,遥感数字图像,ENVI遥感影像处理软件。
五、实验方法及步骤
本实验所用影像包括科罗拉多州(Colorado)Boulder地区的TM影像,该影像已同10米分辨率的SPOT影像相匹配,所以
- 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 实验 七八 图像 分类