遥感——影像分类.doc

学号：222010320210101姓名：魏丽亚土地资源管理专业1班3组日期：2013年5月9日
PAGE\*MERGEFORMAT4

实验名称：影像分类

一、实验内容
1.对同一幅遥感影像分别用监督和非监督两种方法进行分类，掌握两种方法的原理、特点和主要方法，并对分类结果进行比较。
2.对同一种方法下的不同判别准则（如最小距离准则和最大似然分类）得到的分类结果进行比较。
二、实验所用的仪器设备，包括所用到的数据
电脑一台，遥感影像处理软件（ENVI），遥感影像文件can_tmr.img
三、实验原理
1.遥感影像监督分类的原理：也称训练分类法，它是根据已知的样本类别和类别的先验经验，确定判别函数和相应的判别准则，然后利用一定数量的已知类别的样本的观测值求解待定参数，再将未知类别的样本的观测值带入判别函数，最后依据判别准则对该样本的所属类别做出判定，即是用被确认类别的样本像元去识别其他未知类别像元的过程。在监督分类中可以采用许多不停的算法，如平行算法、最小距离法、最大似然法等，本实验主要采用后两种方法分类，并比较二者分类结果的差异。
（1）最短距离技术用到每一个终端单元的均值矢量，计算每一个未知像元到每一类均值矢量的欧几里得距离。所有像元都被归为最近的一类，除非限定了标准差和距离的标准。
（2）最大似然分类假定每一个波段每一类统计呈均匀分布，并计算给定像元属于一特定类别的可能行。除非选择一个可能性阈值，所有像元都将参与分类。每一个像元被归到可能性最大的那一类里。
2.遥感影像非监督分类的原理：也称聚类分析或点群分析，该分析不需要人们事先对分类过程施加任何的先验知识，而仅需极少的人工初始输入，计算机按一定的规则自动的根据像元光谱或空间等特性组成集群组，然后分析者将每个组和参考数据比较，将其划分到某一类别中去。有很多种自然集群算法，如ISODATA、链状方法等，本实验中仅采用ISODATA（重复自组织数据分析技术）。
3.ISODATA是一种典型的非监督分类算法，ISODATA非监督分类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迭代聚集。每次迭代重新计算了均值，且用这一新的均值对像元进行再分类。重复分类的分裂、合并和删除是基于输入的阈值参数的。除非限定了标准差和距离的阈值，所有像元都被归到与其最临近的一类里。这一过程持续到每一类的像元变化少于选择的像元变化阈值或已经到了迭代的最多次数。
四、实验步骤及其结果分析
（一）ISODATA分类
1.从ENVI主菜单中，选择File→OpenImageFile→can_tmr，按照顺序点击TMBand4﹑5和3，点击LoadRGB，显示影像。
2.选择Classification→Unsupervised→Isodata，出现ClassificationInputFile对话框，选择文件can_tmr.img，点击OK出现ISODATAParametres对话框。
⑴在“NumberofClasses”文本框中输入被限定的类数范围，此时取Min为1，Max为10。
⑵在“MaximumIterations”文本框中输入迭代次数为1，在“ChangeThreshold%（0～100%）”文本框中采用默认变化阈值为5.00。
⑶在“Minimum#PixelinCalss”文本框中采用默认的形成一类所需要的最小像元数为1。
⑷在“MaximumClassStdv”文本框中，采用默认的最大分类标准差为1.000。
⑸在“MinimumClassDistance”文本框中采用类均值之间的最小距离默认值为5.00，在“Maximum#MergePairs”对框中选择默认值2。
⑹在“MaximumStdvFromMean”和“MaximumDistanceError”文本框中如果键入数值，分类中选择两者中较小的一个判定将参与分类的单元，此时选择默认不输入值。
⑺选择File输出文件。
选择NewDisplay，点击LoadRGB，显示结果影像如图1。
最小距离和最大似然分类
⑴定义感兴趣区
从ENVI主菜单中，选择File→OpenImageFile→can_tmr，按照顺序点击TMBand4﹑5和3，点击LoadRGB，显示影像。
在主影像窗口中选择Overlay→RegionofInterest，会出现ROITool对话框，定义选择自己感兴趣的区域，在此选择森林﹑裸地﹑城镇﹑农田最为感兴趣区域如图2。
选择File→saveROIs，在saveROIstofile的对话框中，选择SelectAllItems，点击choose选择保存路径，点击ok保存文件。
⑵最小距离分类
在ENVI主菜单中，选择Classification→Unsupervised→Minimum