實(shí)驗(yàn)四遙感圖像的監(jiān)督分類和非監(jiān)督分類

1、實(shí)驗(yàn)四遙感圖像的非監(jiān)督分類與監(jiān)督分類一、實(shí)驗(yàn)?zāi)康囊?、?shí)驗(yàn)?zāi)康?非監(jiān)督分類是對(duì)數(shù)據(jù)集中的像元依據(jù)統(tǒng)計(jì)數(shù)字，光譜類似度和光譜距離進(jìn)行分類，在沒有用戶定義的條件下練習(xí)使用，在ENVI環(huán)境下的非監(jiān)督分類技術(shù)有兩種：迭代自組織數(shù)據(jù)分析技術(shù)（ISodata）和K均值算法（KMeans）；2分類過程中應(yīng)注意：1）怎樣確定一個(gè)最優(yōu)的波段組合，從而達(dá)到最佳的分類精度，基于OIF和相關(guān)系數(shù)，協(xié)方差矩陣以及經(jīng)驗(yàn)的使用來(lái)完成對(duì)最適合的組合的選取，分類效果的關(guān)鍵

2、即在于此；2）KMeans的基本原理；3）Isodata的基本原理；4）分類結(jié)束后，被分類后的圖像是一個(gè)新的圖像，被分類類碼秘填充，從而可以獲得數(shù)據(jù)提取信息，統(tǒng)計(jì)不同類碼數(shù)量，轉(zhuǎn)化為實(shí)際面積，在得到后的圖像上，可對(duì)不同目標(biāo)的形態(tài)指標(biāo)進(jìn)行分析。3對(duì)訓(xùn)練區(qū)中的像元進(jìn)行分類；4用訓(xùn)練數(shù)據(jù)集估計(jì)查看監(jiān)督分類后的統(tǒng)計(jì)參數(shù)；5用不同方法進(jìn)行監(jiān)督分類，如最小距離法、馬氏距離法和最大似然法。二、實(shí)驗(yàn)設(shè)備與材料二、實(shí)驗(yàn)設(shè)備與材料1、軟件軟件ENVI4.7

3、軟件2、所需材料所需材料TM數(shù)據(jù)三、實(shí)驗(yàn)步驟三、實(shí)驗(yàn)步驟1.選擇最優(yōu)的波段組合ENVI主工具欄中File→Openimagefile→選擇hbtmref.img打開→在BasicTools中選擇Statistics→Computestatistics選定原圖，在Spectralsubset中可選項(xiàng)全部選定→OK→OK→全選→保存→OK，則各類統(tǒng)計(jì)數(shù)字均可查；OIF計(jì)算，選擇分類波段：1，2；2，3；1，3波段標(biāo)準(zhǔn)差分別為2.665727

4、；3.473308；4.574609，和為10.713644。CrelationMatrix中1和2波段的相關(guān)系數(shù)0.964308，加上2和3波段的相關(guān)系數(shù)0.980166，再加上1和3波段的相關(guān)系數(shù)0.945880，最終等于2.890354。用標(biāo)準(zhǔn)差相加的結(jié)果10.713644比上相關(guān)系數(shù)之和2.890354等于3.70668922?？梢赃x擇其他不同波段的數(shù)據(jù)進(jìn)行同上運(yùn)算，比值結(jié)果最大的為最優(yōu)波段，此次選擇結(jié)果為346波段。2.KMe

5、ans法進(jìn)行非監(jiān)督分類1）Classification→Unsupervised→KMeans，點(diǎn)擊hbtmref.img→點(diǎn)擊Spectralsubset→選346三個(gè)波段→OK，回到上級(jí)菜單→OK，在Numberofclasses中輸15即分為15類，ChangeIterations中輸6，即最大迭化量為6次，MaximumStdevFromMean中為空，選擇保存位置→OK；在原界面中選定保存結(jié)果后Newdisplay→LoadB

6、，雙擊查看CursLocationValue，發(fā)現(xiàn)Data已由原來(lái)的坐標(biāo)形式轉(zhuǎn)換為類碼；在KMeans窗口工具欄中點(diǎn)擊Tools→SpatialPixelEdit→可將類碼轉(zhuǎn)換成相應(yīng)的地物類型，要求進(jìn)行大量的野外調(diào)查，確定同一類碼所代表的地物是什么4）擇多濾波器（對(duì)合并后的結(jié)果）classification→postclassification→MajityMinityAnalysis→選擇合并后文件→OK，再選擇class10，Ker