遥感影像非监督分类.ppt

遥感图像计算机分类 非监督分类 初始分类专题判别分类后处理色彩重定义栅格矢量转换 Main Classification Unsupervisedclassification提示 实际工作中将分类设为最终分类数的2倍以上 初始分类 1 同时显示germtm img和germtm isodata img提示 germtm img显示方式用RGB 4 5 3 打开第2幅图时关闭cleardisplay2 打开属性表调整字段显示顺序提示 raster attributes 打开上图 Edit ColumnProperties 打开下图 专题判别 3 编辑类别颜色和名称 专题判别 4 对比显示提示 对比Utility flicker Blend Swipe区别 专题判别 分类后处理 1 聚类统计提示 main imageinterpreter gisanalysis clump 分类后处理 1 聚类统计提示 main imageinterpreter gisanalysis clump 提示 如果计算时间过长 统计邻域选择4 分类后处理 1 聚类统计提示 main imageinterpreter gisanalysis clump 聚类统计后图像属性表 分类后处理 2 过滤分析提示 main imageinterpreter gisanalysis Sieve 确定最小图斑大小 过滤分析后 所有小图斑的属性值变为0 分类后处理 3 去除分析提示 main imageinterpreter gisanalysis Eliminate 确定最小图斑大小 输出图像的数据类型 分类后处理 3 去除分析提示 main imageinterpreter gisanalysis Eliminate 分类后处理 4 分类重编码 主要针对非监督分类 提示 main imageinterpreter gisanalysis Recode 分类后处理 4 分类重编码 主要针对非监督分类 提示 main imageinterpreter gisanalysis Recode 类别合并需要考虑实际意义 色彩重定义 栅格矢量转换 提示 main vector rastertovector 栅格矢量转换 监督分类 定义分类模板评价分类模板进行监督分类评价分类结果 训练样本 是许多组代表某种可识别模式的象素组 系统通过对训练样本的各种统计值来生成参数化模板 训练样本量 对N个波段进行分类 训练样本量不少于10n个像元 到达100n个像元更好 样本像元应具有代表性 避免集中局部 训练样本选择 取决于用户对研究区及类别的了解程度 1 矢量多边形 使用矢量图层 自定义AOI多边形 2 标志种子象素 利用AOI工具 用十字光标标出一个象元作为种子象素 seedpixel 代表训练样本 其相邻象素根据用户指定参数进行比较 直到没有相邻象元满足要求 这些相似元素通过栅矢转换成为感兴趣区域 1 定义分类模板 1 应用AOI绘图工具获取分类模板信息利用Raster工具面板多边形工具 在原图像上绘制多边形 在signatureeditor对话框中将其加载到signature分类模板中 提示 同一专题类型的多个AOI形成的模板可以合并 应用AOI绘图工具获取分类模板信息1 打开一幅图像 germtm img2 Classifier signatureeditor 2 应用AOI扩展绘图工具获取分类模板信息Regiongrowingproperties进行Neighborhood属性设置 利用RegiongrowAOI选择种子点 提示 AOI seedproperties regiongrowingProperties约束条件 Area确定最多的像元数 Distance确定包含像元距离种子点像元的最大距离 Spectraleuclideandistance 可以接收像元与种子点之间最大波谱欧式距离 两个像元在各个波段数值之差平方和的二次根 应用AOI扩展绘图工具获取分类模板信息 2 评价分类模板 EvaluatingSignatures 主要评价工具包括 分类预警可能性矩阵特征对象特征空间到图像掩膜直方图方法分离性分析分类统计分析等 2 评价分类模板 EvaluatingSignatures 类别的分离性 用于计算任意类别间的统计距离 这个距离可以确定两个类别间的差异程度 也可以确定在分类中效果最好的数据层 类别间统计距离计算公式 1 欧氏光谱距离 2 Jeffries matusta距离 3 Divergence分离度 4 Transformeddivergence转换分离度 Evaluate Seperability 3 进行监督分类 main imageclassification 3 进行监督分类 4 评价分类结果Main imageclassification accuracyassessment 1 打开原图像2 启动精度评估对话框3 打开分类专题图 File open4 原图像与精度评估关联 工具条 selectviewer图标5 设置随机点颜色 View changecolors6 产生随机点 Edit create addrandompoints7 显示随机点类别 view showall Edit showclassvalues8 输入参考点类别 Reference输入9 输出分类评价报告 Report accuracyreport 启动精度评估对话框 提示 正式分类评价 须产生250个随机点 显示随机点类别 分类结果评价 背景状况 范围 气候 地形地貌 行政等 2 基本数据格式 传感器 轨道 分辨率 时间 图像质量等 3 图像处理 校正 拼接 裁剪 重采 误差 4 分类体系 体系与标准 地形地物解译 5 分类方法 分类模板 精度评价 分类规则 6 分类后处理 滤波 类型改变 7 精度评价 分类精度与误差分析 小结 遥感数据操作主要步骤 4分类后处理 无论是监督分类还是非监督分类 其结果都会产生一些面积很小的图斑 无论从专题制图的角度还是实际应用的角度 都有必要对这些小图斑进行剔除 处理方法 聚类统计 Clump 过滤分析 Sieve 去除分析 Eliminate 分类重编码 Recode 4分类后处理 聚类统计 通过对分类专题图像计算每个分类图斑的面积 记录相邻区域中最大图斑面积的分类值等操作 产生一个Clump类组输出图像 其中每个图斑都包含Clump类组属性 这是一个中间结果 供下一步处理使用 4分类后处理 过滤分析 对经Clump处理后的Clump类组图像进行处理 按照定义的数值大小 删除Clump图像中较小的类组图斑 并给所有小图斑赋予新的属性值0 显然 这引出了一个小图斑归属问题 可以与原分类图对比确定新属性 4分类后处理 去除分析 用于删除原始分类图像中的小图斑或小Clump类组 与过滤不同 去除分析将删除的小图斑合并到相邻的最大分类中 而且如果输入图像是Clump聚类图像 经过去除处理后 将分类图斑的属性值自动恢复为Clump处理前的原始分类编码 即结果是简化的分类图像 4分类后处理 分类重编码 主要是针对非监督分类