遥感图象分类I(监督分类).doc

重庆交通大学学生实验报告课程名称遥感技术与应用开课实验室空间信息处理实验室学院河海年级2008专业地信学生姓名学号开课时间2010至2009学年第2学期总成绩教师签名河海学院资源与环境科学系2010年10月实验题目遥感图象分类=1\*ROMANI（监督分类）实验时间2010年10月27日实验地点土木学院空间信息处理实验室实验成绩实验性质验证性实验一、实验目的1通过本次上机实验，掌握遥感图像监督分类的基本方法和步骤。2加深对遥感图像分类的理解。3熟悉ERDAS图像分类模块二、原理与方法监督分类(supervised)，又称训练分类法，即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。已被确认类别的样本像元是指那些位于训练区的像元。在监督分类过程中，首先选择可以识别或者借助其他信息可以判定其类型的像元建立分类模板（训练样本），然后让计算机系统基于该模板自动识别具有相同特性的像元。对分类结果进行评价后再对分类模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。监督分类一般有以下几个步骤：定义分类模板、评价分类模板、进行监督分类、评价分类结果，在实际应用过程中，可以根据需要执行其中的部分操作。三、实验主要内容及过程(原始记录)4.4.1定义分类模板4.4.2评价分类模板分类误差矩阵4.4.3执行监督分类监督分类成果图4.4.4评价分类结果阈值掩膜四、实验结果(成果及结论)将图像空间划分为若干个子区域，每个区域代表一类地物。根据是否需要分类人员事先提供已知类别及其训练样本，对分类器进行训练和监督，可将遥感图像分类方法划分为监督分类和非监督分类。本次实验主要进行监督分类。五、实验分析总结监督分类的优缺点：优点：（1）可根据应用目的和区域，有选择地决定分类类别，避免出现一些不必要的类别。（2）可控制训练样本的选择。（3）可通过检查训练样本来决定训练样本是否被精确分类，从而能避免分类中的严重错误。（4）避免了非监督分类中对光谱集群组的重新归类。缺点：（1）其分类系统的确定、训练样本的选择，均人为主观因素较强，分析者定义的类别也许并不是图像中存在的自然类别，导致多维数据空间中各类别间并非独一无二，而是有重叠；分析者所选择的训练样本也可能并不代表图像中的真实情形。（2）由于图像中同一类别的光谱差异，造成训练样本并没有很好的代表性。（3）训练样本的选取和评估需花费较多的人力、时间。（4）只能识别训练样本中所定义的类别，若某类别由于训练者不知道或者其数量太少未被定义，则监督分类不能识别。实验题目遥感图象分类=2\*ROMANII（非监督分类）实验时间2010年10月27日实验地点土木学院空间信息处理实验室实验成绩实验性质验证性实验一、实验目的1通过本次上机实验，掌握遥感图像非监督分类的基本方法和步骤。2加深对遥感图像分类的理解。3熟悉ERDAS图像分类模块二、原理与方法非监督分类（unsupervised），也称为聚类分析或点群分析。即在多光谱图像中搜寻、定义其自然相似光谱集群组的过程。非监督分类不需要人工选择训练样本，仅需极少的人工初始输入，计算机按一定规则自动地根据像元光谱或空间等特征组成集群组，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。长期以来，已经发展了近百种不同的自然集群算法，如ISODATA、链状方法等。ERDAS的非监督分类是基于ISODATA算法实现的。三、实验主要内容及过程(原始记录)显示需要分析类别的图像非监督分类成果图确定类别重编码后成果图四、实验结果(成果及结论)图像分类结果是将图像空间划分为若干个子区域，每个区域代表一类地物。根据是否需要分类人员事先提供已知类别及其训练样本，对分类器进行训练和监督，可将遥感图像分类方法划分为监督分类和非监督分类。本次实验主要进行非监督分类。五、实验分析总结非监督分类优缺点:优点：（1）非监督分类不需要预先对所要分类的区域有广泛的了解和熟悉，但是在非监督分类中分析者仍需要一定的知识来解释非监督分类得到的集群组。（2）人为误差的机会减少。即使分析者对分类图像有很强的看法偏差，也不会对分类结果有很大影响。（3）独特的、覆盖量小的类别均能够被识别。缺点：（1）非监督分类产生的光谱集群组并不一定对应于分析者想要的类别，因此分析者面临着如何将它们和想要的类别想匹配的问题，实际上几乎很少有一对一的对应关系。（2）分析者较难对产生的类别进行控制。因此其产生的类别也许并不能让分析者满意。（3）图像中各类别的光谱特征会随时间、地形等变化，不同图像以及不同时段的图像之间的光谱集群组无法保持其连续性，从而使其不同图像之间的对比变得困难。