遥感实习遥感图像监督分类.doc

_实验五：监督分类与非监督分类一、实验目的采用监督分类对多光谱遥感图像进行分类，并对分类后的数据进行处理，处理方法包括：聚合（clump）处理、筛选（sieve）处理、并类（combine）处理，以及精度评估。监督法分类需要用户选择作为分类基础的训练样区。分析下面处理的分类结果，或者采用每个分类法默认的分类参数，生成自己的类，然后对分类结果进行比较。我们将使用各种监督分类法，并对它们进行比较，确定单个具体像素是否有资格作为某类的一部分。二、实验数据与原理美国科罗拉多州（Colorado）Canon市的 Landsat TM 影像数据，其中包括can_tmr.img、can_tmr.hdr、can_km.img、can_km.hdr、can_iso.img、can_iso.hdr、classes.roi、can_pcls.img、can_pcls.hdr 、can_bin.img、can_bin.hdr 、can_sam.img、can_sam.hdr 、can_rul.img 、can_rul.hdr、can_sv.img、can_sv.hdr、can_clmp.img、can_clmp.hdr。ENVI 提供了多种不同的监督分类法，其中包括了平行六面体（Parallelepiped）、最小距离法（Minimum Distance）、马氏距离法（Mahalanobis Distance）、最大似然法（Maximum Likelihood）、波谱角法（Spectral Angle Mapper）、二值编码法（Binary Encoding）以及神经网络法（Neural Net）。三、实验过程：1、打开TM图像，File Open Image File，选择ljs-can_tmr.img文件，在可用波段列表中，选择 RGB Color 单选按钮，然后使用鼠标左键，顺次点击波段 4、波段 3 和波段 2。 点击 Load RGB 按钮，把该影像加载到一个新的显示窗口中。2、查看光标值：从主影像窗口菜单中，选择 Tools Cursor Location/Value。3、查看波谱曲线图从主影像窗口菜单栏中，选择 Tools Profiles Z Profile (Spectrum)，开始提取波谱的剖面曲线。疑问：二者有何关系？要运行监督分类法，从 ENVI 主菜单中，选择 ClassificationSupervised method。在这里，method是下拉菜单中所列的某个监督分类法（Parallelepiped，Minimum Distance，Mahalanobis Distance，Maximum Likelihood，Spectral Angle Mapper，Binary Encoding 或者 Neural Net）。使用下面所描述的两个方法之一，来选择训练样区，它也可以被称为是感兴趣区（ROIs）。 1 使用感兴趣区（ROI）工具来选择训练样区 1、1创建自己的感兴趣区（ROIs）： 1）从主影像窗口菜单栏中，选择 Overlay Region of Interest。接着对应于显示窗口的 ROI Tool对话框就会出现在屏幕上。 2）在主影像窗口中，绘制出一个多边形，该多边形就代表了新创建的感兴趣区。要完成这一步，请按下面的步骤进行。l 在主影像窗口中，点击鼠标左键，建立感兴趣区多边形的第一个点。l 再次点击鼠标左键，按顺序选择更多的边线点，点击鼠标右键来闭合该多边形。鼠标中键可以被用来删除最新定义的点，或者（如果你已经闭合了该多边形）删除整个多边形。再一次点击鼠标右键，固定多边形的位置。l 通过选择 ROI Controls 对话框顶部相应的单选按钮，感兴趣区也可以在缩放窗口和滚动窗口中被定义。感兴趣区定义完后，它就会在对话框的可用区域（Available Regions）列表中显示出来，同时显示的还包括感兴趣区的名字、颜色以及所包含的像素总数。定义的感兴趣区对所有的 ENVI 分类程序都有效。 3）要定义一个新的感兴趣区，点击 New Region按钮。点击 Edit按钮，在打开的 Edit ROI Parameters对话框中，可以输入感兴趣区的名字，选择感兴趣区的颜色和填充方式。按上面所描述的步骤，定义新的感兴趣区。4）在ROI Tool中选择File Restore ROIs，输入输出文件名zhumuqian.roi，单击Ok，生成自定义的感兴趣区。监督法分类：ENVI 提供了多种不同的监督分类法，其中包括了平行六面体法（Parallelepiped）、最小距离法（Minimum Distance）、马氏距离法（Mahalanobis Distance）、最大似然法（Maximum Likelihood）、波谱角法（Spectral Angle Mapper）、二值编码法（Binary Encoding）以及神经网络法（Neural Net）。平行六面体法（Parallelepiped）2）最大似然分类（Maximum Likelihood） 3）最小距离法4）马氏距离（Mahalanobis Distance） 四、实验体会监督分类需要用户选择作为分类基础的训练样区。分析下面处理的分类结果，或者采用每个分类法默认的分类参数，生成自己的类，然后对分类结果进行比较。我们将使用各种监督分类法，并对它们进行比较，确定单个具体像素是否有资格作为某类的一部分。并运用了很多种不同的