遥感专题讲座——影像信息提取(二、监督与非监督分类).docx

影像的分类可分为监督与非监督分类。监督分类器根据其原理有基于传统统计分析的、基于神经网络的、基于模式识别的等。本专题以ENVI的监督与非监督分类的实际操作为例，介绍这两种分类方法。有以下内容组成：非监督分类监督分类分类后处理非监督分类非监督分类：也称为聚类分析或点群分类。在多光谱图像中搜寻、定义其自然相似光谱集群的过程。它不必对影像地物获取先验知识，仅依靠影像上不同类地物光谱(或纹理)信息进行特征提取，再统计特征的差别来达到分类的目的，最后对已分出的各个类别的实际属性进行确认。目前比较常见也较为成熟的是ISODATA、K-Mean和链状方法等。遥感影像的非监督分类一般包括以下6个步骤：

HYPERLINK"http://bbs.esrichina-bj.cn/ESRI/attachment.php?aid=65420&k=f17023470a80cdf4b2bbe7f12eaf88e0&t=1283325560&nothumb=yes&sid=0a5dasZnzZao3cbdc2JvWzdYAnaRovagRmiXiJzOCtoMaUY"\o"图1.JPG"\t"_blank"下载(12.76KB)
2008-10-1416:54

图1非监督分类操作流程
1、影像分析大体上判断主要地物的类别数量。一般监督分类设置分类数目比最终分类数量要多2-3倍为宜，这样有助于提高分类精度。本案例的数据源为ENVI自带的Landsattm5数据Can_tmr.img，类别分为：林地、草地/灌木、耕地、裸地、沙地、其他六类。确定在非监督分类中的类别数为15。2、分类器选择目前非监督分类器比较常用的是ISODATA、K-Mean和链状方法。ENVI包括了ISODATA和K-Mean方法。ISODATA（IterativeSelf-OrgnizingDataAnalysizeTechnique）重复自组织数据分析技术，计算数据空间中均匀分布的类均值，然后用最小距离技术将剩余像元进行迭代聚合，每次迭代都重新计算均值，且根据所得的新均值，对像元进行再分类。K-Means使用了聚类分析方法，随机地查找聚类簇的聚类相似度相近，即中心位置，是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的，然后迭代地重新配置他们，完成分类过程。3、影像分类打开ENVI，选择主菜单->Classification->Unsupervised->IsoData或者K-Means。这里选择IsoData，在选择文件时候，可以设置空间或者光谱裁剪区。这里选择软件自带的Can_tmr.img，按默认设置，之后跳出参数设置，如图2。这里主要设置类别数目（NumberofClasses）为5-15、迭代次数（MaximumIteration）为10。其他选项按照默认设置，输出文件。

HYPERLINK"http://bbs.esrichina-bj.cn/ESRI/attachment.php?aid=65421&k=8c409b3c5b2180d41bd3d1e91c76c60b&t=1283325560&nothumb=yes&sid=0a5dasZnzZao3cbdc2JvWzdYAnaRovagRmiXiJzOCtoMaUY"\o"图2.JPG"\t"_blank"下载(32.11KB)
2008-10-1416:54

图2ISODATA非监督分类参数设置

HYPERLINK"http://bbs.esrichina-bj.cn/ESRI/attachment.php?aid=65422&k=2298520e9a7e6f84499038f339037d99&t=1283325560&nothumb=yes&sid=0a5dasZnzZao3cbdc2JvWzdYAnaRovagRmiXiJzOCtoMaUY"\o"图3.JPG"\t"_blank"下载(110.11KB)
2008-10-1416:54

图3ISODATA分类结果
4、类别定义/类别合并1)类别定义
在display中显示原始影像，在display->overlay->classification，选择ISODATA分类结果，如图4所示，在InteractiveClassTool面板中，可以选择各个分类结果的显示。

HYPERLINK"http://bbs.esrichina-bj.cn/ESRI/attachment.php?aid=65423&k=f2c45113bcffe94fed14f028d1a47bfb&t=1283325560&nothumb=yes&sid=0a5dasZnzZao3cbdc2JvWzdYAna