电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

监督分类和非监督分类

监督分类和非监督分类_第1页
1/21
监督分类和非监督分类_第2页
2/21
监督分类和非监督分类_第3页
3/21
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: 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 Landsat tm5 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(Iterative Self-Orgnizing Data Analysize Technique)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(Number of Classes)为 5-15、迭代次数(Maximum Iteration)为 10。其他选项按照默认设置,输出文件。 图2 ISODATA 非监督分类参数设置 图3 ISODATA 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...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

监督分类和非监督分类

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部