遥感科学与技术

遥感科学与技术课程实习遥感科学与技术课程实习 学生姓名 孔令周 学 号 20101002021 班 级 116102 指导教师 陈 亮 中国地质大学 武汉 信息工程学院中国地质大学 武汉 信息工程学院 20132013 年年 6 月月 28 日日 遥感科学与技术 2 目录 实验一 高光谱数据分析 1 一 实验目的 1 二 实验数据 1 三 实验过程 1 1 启动 ENVI 并加载 AVIRIS 影像数据 1 2 显示灰阶影像 1 3 浏览影像波谱并同波谱库进行比较 2 4 鉴别波谱曲线 7 5 定义感兴趣区 10 6 二维散点图 12 四 实验体会 14 实验二 影像镶嵌 14 一 实验目的 14 二 实验数据 14 三 实验过程 14 1 启动图像镶嵌工具 14 2 加载镶嵌图像 15 3 图像重叠设置 15 4 切割线设置 16 四 实验体会 18 实验三 影像配准 19 一 实验目的 19 二 实验数据 19 三 实验过程 19 1 影像到影像的配准 19 2 开始进行影像配准并加载地面控制点 20 3 校正影像 22 四 实验体会 24 实验四 非监督分析 24 一 实验目的 24 二 实验数据 25 三 实验过程 25 1 创建感兴趣区 ROI 25 2 进行非监督分类 25 1 ISODATA 25 2 K Means 26 3 类别定义与子类合并 27 1 类别定义 27 遥感科学与技术 3 2 合并子类 29 四 实验体会 30 实验五 监督分类 30 一 实验目的 30 二 实验数据 31 三 实验过程 31 1 定义训练样本 31 2 应用 ROI Tools 创建感兴趣区 31 3 评价训练样本 32 4 进行监督分类 34 1 平行六面体 34 2 最小距离 35 3 马氏距离 36 4 最大似然 37 5 评价分类结果 38 1 混淆矩阵 38 2 结果分析 41 四 实验体会 42 课程实习总结 43 遥感科学与技术 1 实验一实验一 高光谱数据分析高光谱数据分析 一 实验目的 高光谱分辨率遥感 Hyper spectral Remote Sensing 用很窄而连续的光 谱通道对地物持续遥感成像的技术 在可见光到短波红外波段其光谱分辨率高达 纳米 nm 数量级 通常具有波段多的特点 光谱通道数多达数十甚至数百个以 上 而且各光谱通道间往往是连续的 因此高光谱遥感有通常称为成像光谱遥感 Imaging Spectrometry 光谱库文件是大量的矿物 植被及其他物质的高光 谱 特征 记录的集合 一个库文件还包含附加的 非光谱 记录 非光谱 记录包括有用信息如波长 分辨率和误差数据 还有文本记录用来保存关于库文 件数据的重要细节 文件记录用来存放有关光谱库文件内容的主要描述信息 例 如 可存放关于数据来源信息 它的收集时间和方法 通过光谱分析 可以鉴别 不同的矿物 二 实验数据介绍 包含 50 个波段的影像文件 zhujian int zhujian sli TM 数据 zhujian img 影像库文件 三 实验过程 1 启动 ENVI 并加载 AVIRIS 影像数据 1 在 ENVI 主菜单中 选择 File Open Image File 打开 zhujian int 影像 2 选择 zhujian int 点击 Open 弹出可用波段列表 它将列出 50 个波段的名 字 2 显示灰阶影像 灰阶影像 遥感科学与技术 2 反射率波谱曲线 3 浏览影像波谱并同波谱库进行比较 1 在影像上移动缩放指示矩形 同时查看 1Spectral Profile 窗口中的波普 曲线 浏览整个影像的表现反射率波谱曲线 2 在主影像窗口中 使用鼠标左键点击并拖动缩放指示矩形或直接点击鼠标 左键 将缩放指示矩形移动到以所选像素点位中心的区域中 3 将从影像中获取的表现反射率波谱曲线同所选波谱库中的波谱曲线进行比 较 4 从 ENVI 主菜单中选择 Spectral Spectral Libraries Spectral Library Viewer Spectral Library Viewer 对话框 遥感科学与技术 3 5 在 Spectral Library Input File 对话框中 点击 Open File 按钮 从 spec lib jpl lib 子目录中选择 zhujian sli 波谱库文件 点击 OK 6 选择 Select Input File 区域中的 zhujian sli 点击 OK 7 在 Spectral Library Viewer 对话框中 选择 Option Edit x y Scale Factors 并在 Y Data Multiplier 文本框中 输入值 1 000 以匹配影像表现反 射率范围 1 1000 点击 OK 8 在 Spectral Library Viewer 对话框中 选择下列波谱名称 绘制它们的 波谱曲线 ALUNITE SO 4A BUDDINGTONITEFELDS TS 11A CALCITE C 3D KAOLINITE WELL ORDERED PS 1A 得到如下波谱曲线绘制图 波谱库的波谱曲线 遥感科学与技术 4 9 从绘制 plot 窗口菜单中 选择 Edit Plot Parameters 自定义波谱曲 线的绘制图 在 Plot Parameters 对话框中 按下列步骤进行 将 Charsize 减少为 0 50 选择 X Axis 单选按钮 点击 Left Right Margins 的箭头增量按钮 直到达到 所需 X 方的页边距 选择 Y Axis 单选按钮 将 Axis Title 改为 Reflectance 还是选中 Y Axis 单选按钮 点击 Top Bottom Margins 的箭头增量按钮 直到 所需的 Y 方的页边距 点击 Apply 然后再点击 Cancel Parameters 对话框 遥感科学与技术 5 自定义绘图参数的波谱曲线 10 要显示波谱名称的图例 可以在绘图窗口中点击鼠标右键 从弹出的快捷 菜单中选择 Plot Key 在绘制窗口拖动到所需的大小 以容纳下波谱名称 遥感科学与技术 6 11 在绘制窗口中 选择 Option Stack Plots 分别查看绘制的波谱曲线 绘制的波谱曲线 12 在 1Spectral Profile 绘图窗口中点击鼠标右键 从弹出的快捷菜单中选 择 Plot Key 将显示出波谱曲线的图例 该图例指出了所选像素的 X 和 Y 的像素 坐标 13 在 1Spectral Profile 绘图窗口中 选择 Option New Window Blank 打开一个新的绘图窗口 然后重新放置 1Spectral Profile 绘图窗口和新绘图窗 口的位置 使能够同时看到这两个绘图窗口 遥感科学与技术 7 14 在主影像窗口菜单中 选择 Tools Pixel Locator 使用 Pixel Locator 对话框 定位下列各点精确的像素位置上 位置点名称列 带偏移 行 带偏移 Stonewall Playa590570 Varnished Tuff435555 Silica Cap494514 Option Zone with Alunite531541 Strongly Argillized Zone With Kaolinite 502589 Buddingtonite Zone448505 Calcite260613 Pixel Locator 对话框 15 在 Pixel Locator 对话框中 输入像素的坐标 列 sample 590 行 line 570 使缩放指示矩形框移动到以这个像素为中心的影像地区 即 Stonewall Playa 地区 然后点击 Apply 将矩形框移动到这个位置上 同时 1Spectral Profile 绘图窗口将更新显示所选点的波谱曲线 其对应的图例为 X 590Y 570 16 在新绘图窗口中 点击鼠标右键 在弹出的快捷窗口中 选择 Plot Key 打开显示了 X 和 Y 坐标位置的图例 17 在 1Spectral Profile 绘图窗口中 使用鼠标左键 点击并按住图例 X 590 Y570 将这个波谱曲线图例拖到新的绘图窗口中 18 对上表所列的每一个像素点重复上面的步骤 直到新的绘图窗口中包含列 所有的 7 种波的波谱曲线 新的绘图窗口 遥感科学与技术 8 19 在新的绘图窗口中 选择 Option Stack Plots 新的绘图窗口如下所示 某些 ATREM 影像表现反射率波谱曲线 4 鉴别波谱曲线 1 从 ENVI 主菜单中 选择 Spectral Spectral Analyst 2 点击 Spectral Analyst Input Spectral Library 对话框底部的 Open Spec Lib 按钮 3 选择进入 usgs min 波谱库目录 选择 zhujian sli 波谱库文件 点击 Open 4 zhujian sli 文件出现在 Spectral Analyst Input Library 对话框中 选 中该文件点击 OK 5 在 Edit Identify Methods Weighting 对话框中 点击 OK 遥感科学与技术 9 Edit Identify Methods Weighting 对话框 6 在主影像窗口菜单中 选择 Tools Profile Z Profile Spectrum 然后 在 1Spectral Profile 绘图窗口中 点击鼠标右键 从弹出的快捷菜单中 选择 Plot Key 显示波谱曲线名称的图例 7 在主影像窗口菜单中 选择 Tools Pixel Locator 8 在 Pixel Locator 对话框中 输入 像素的坐标列 502 行 589 点击 Apply Pixel Locator 对话框 9 在 Spectral Analyst 对话框中 选择 Options Edit Method Weights 10 在 Edit Identify Methods Weighting 对话框中 为每一个 Weight 文本 框输入值 0 33 然后点击 OK 遥感科学与技术 10 Edit Identify Methods Weighting 对话框 11 在 Spectral Analyst 对话框中 点击 Apply Spectral Analyst 对话框 12 用鼠标双击列表中的第一条波谱曲线 在同一绘图窗口中 绘制出未知地 物的波谱曲线以及波谱库中的波谱曲线 进行比较 遥感科学与技术 11 未知地物与波谱库中最匹配的 kaolinite 波谱曲线图 表明两者高度匹配 5 定义感兴趣区 ROI Tool 对话框 1 新建感兴趣区 感兴趣区 ROI 用来提取像素集合的统计信息及其平均波谱曲线 可以在 任何显示影像上定义足够多的感兴趣区 从主影像窗口菜单中 选择 Overlay Region of Interest 打开 ROI Tool 对话框 在影像中 点击鼠标左 键 绘制感兴趣区 遥感科学与技术 12 新建感兴趣区 2 从感兴趣区中提取均值波谱曲线 在 ROI Tool 对话框中 选择某个感兴趣区 点击 Stats 按钮 提取所需的 统计信息 并且绘制成所选感兴趣区的波谱曲线 感兴趣统计信息 遥感科学与技术 13 6 二维散点图 1 查看二维散点图 在主影像窗口中 选择 Tool 2D Scatter Plots 打开二维的 Scatter plot 对话框 绘制表现反射率影像的散点图 在 Choose Band X 列表中 选择波 段 193 band193 在 Choose Band Y 列表中 选择波段 207 波段 193 和波段 207 的散点图 ATREM 表现反射率影像 2 散点图的密度分割 从散点图的主窗口菜单中 选择 Option Density Slice 自动对散点图进 行密度分割 散点的颜色表明了用来绘制散点图的两个波段特定表现反射率组合 出现的频率 紫色 Purple 代表了出现的频率最低 随着颜色从蓝色 绿色 黄色 变化到红色 频率也依次变大 红色代表出现频率最高 散点图密度分割 遥感科学与技术 14 3 将散点图连接到波谱剖面廓线 SCATTER PLOTS LINKED TO A SPECTRAL PROFILE 从散点图窗口菜单中 选择 Options Z Profile 选择一个输入文件用于提 取波谱剖面廓线 打开一个连接到该散点图的空白的 剖面廓线绘制窗口 将鼠 标光标放置到二维散点图中 点击鼠标右键 提取具有该点位置特性的相应空间 像素点的波谱曲线 波谱剖面廓线绘制窗口 4 散点图中的感兴趣区 SCATTER PLOT ROLS 在散点图中点击鼠标左键 选择感兴趣区 ROI 的第一个顶点 使用鼠标 左键 选择所需的线段顶点 在散点图中 绘制感兴趣去多边形 散点图中的感兴趣区 5 影像中的感兴趣区 IMAGE ROIS 在散点图窗口菜单中 选择 Options Image ROI 使用鼠标左键来绘制线条 在主影像窗口中绘制出感兴趣区多边形 遥感科学与技术 15 主影像中的感兴趣区 四 实验体会 高光谱分辨率遥感 Hyper spectral Remote Sensing 用很窄而连续的光 谱通道对地物持续遥感成像的技术 在可见光到短波红外波段其光谱分辨率高达 纳米 nm 数量级 通常具有波段多的特点 光谱通道数多达数十甚至数百个以 上 而且各光谱通道间往往是连续的 因此高光谱遥感有通常称为成像光谱遥感 Imaging Spectrometry 实验中 由于所要做的步骤相对比较多 所以要有一定的耐心 保证每一步 都四正确的 在实验中要注意保存文件 防止由于突然死机引起的数据丢失 实验二实验二 影像镶嵌影像镶嵌 一 实验目的 当研究的区域在不同的图像文件上时 需要将不同的文件合并在一起形成一 幅完整的包含感兴趣区的图像 通过镶嵌处理 可以获得更大范围的地面图像 参与镶嵌的图像可以是不同时间同一个传感器获取的 也可以是不同时间不同传 感器获取的图像 但同时要求镶嵌的图像之间要有一定的重叠 并校正到同一地 图坐标系中 也就是说待镶嵌的图像要有相同的地理参考 二 实验数据介绍 实验所用数据位 zhujian01 img 和 zhujian02 img 三 实验过程 1 启动图像镶嵌工具 在 ENVI 主菜单中 选择 Map Mosaicking Georeferenced 打开 Map Basic Mosaic 对话框 遥感科学与技术 16 2 加载镶嵌图像 1 在 Mosaic 对话框中 选择 Import Import File 选择 zhujian01 img 和 zhujian02 img 镶嵌文件导入 2 导入的镶嵌文件显示在图像窗口以及文件裂变 文件列表中的排在下面的 文件 在图像窗口中显示在最上层 3 在文件列表中选择需要调整顺序的文件 单击右键选择快捷菜单 Raise Lower Image to Top Bottom 提升 降低到底层 底层 或 Raise Lower Image one Position 提升 降低一层 或者在图像窗口中单击右 键选择快捷菜单 3 图像重叠设置 1 选择文件中列表中的一个文件 单击右键选择 Edit Entry 2 在 Edit Entry 对话框中设置 Data Valve to Ignore 0 忽略 0 值 设置 Feathering Distance 为 10 羽化半径为 10 个像素 遥感科学与技术 17 Edit Entry 对话框 4 切割线设置 1 在 Mosaic 对话框中 选择 File Save Template 选择输出路径和文件名 Mosaic 对话框 2 将模板文件显示在 Display 中 遥感科学与技术 18 3 在 Display 中 选择 Overlay Annotation 在重叠区域绘制一条折线当做 切割线 Annotation 对话框 4 绘制一个 Symbol 放在切割线一旁 标示这部分被切割 5 保存注记文件 6 结果输出 遥感科学与技术 19 在 Mosaic 对话框中 选择 File Apply 在 Mosaic Parameters 对话框中 设置输出像元大小 重采样方式 文件路径与文件名 背景值 图像镶嵌结果显示 四 实验体会 数字地图镶嵌的关键是 第一 如何在几何上将多不同的影像拼接在一起 解决此问题的方法就是几何校正 在镶嵌之前 按照前面的几何校正方法将所有 参加镶嵌的图像校正到统一的坐标系中去 再将具有地理参考的若干相邻图像合 并成一幅图像或一组图像 需要镶嵌的输入图像必须含有地图投影信息 或者说 输入图像必须经过几何校正处理 第二 如何保证拼接后图像反差一致 色调相 近 没有明显接缝 因为不同的时间 不同季节的地物本身的辐射特征及外界环 境因素都可能有明显差别 所以对于辐射差异较明显的图像首先要进行直方图的 调整和匹配 使之在色调方面趋于一致 实验三实验三 影像配准影像配准 一 实验目的 ENVI 的影像配准和几何纠正工具允许用户将基于像素的影像定位到地理坐 标上 然后对它们进行几何纠正 使其匹配基准影像的几何信息 使用全分辨率 主影像窗口 和缩放窗口来选择地面控制点 GCPs 进行影像到影像和影像 到地图的配准 基准影像和未校正影像的控制点坐标都会显示出来 同时由指定 的校正算法所得的误差也会显示出来 地面控制点预测功能能够使对地面控制点 的选取简单化 将使用重采样 缩放比例和平移 这三种方法通称 RST 以及多 遥感科学与技术 20 项式函数 多项式系数可以从 1 到 n 或者 Delaunay 三角网的方法 来对影像 进行校正 所支持的重采样方法包括最近邻法 nearest neighbor 双线性内 插法 bilinear interpolation 和三次卷积法 cubic convolution 使用 ENVI 的多重动态链接显示功能对基准影像和校正后的影像进行比较 可以快速 地评估配准的精度 二 实验数据介绍 文件描述 1 所需的文件 bldr sp img Boulder SPOT 带地理坐标的影像子集 bldr sp hdr ENVI 对应的头文件 bldr sp grd Boulder SPOT 地理公里网参数 bldr sp ann Boulder SPOT 地图注记 bldr tm img Boulder TM 没有地理坐标的影像 bldr tm hdr ENVI 相应的头文件 bldr tm pts TM SPOT 影像到影像配准中所用的控制点 bldrtm m pts TM Map 影像到地图配准中所用的控制点 bldr rd dlg Boulder 道路数字线划图 DLG bldrtmsp grd 融合后的TM SPOT 影像的地图公里网 bldrtmsp ann 融合后的TM SPOT 影像的注记 2 生成的文件 bldr tm1 wrp 使用缩放平移和最近邻重采样法得到的影像到影像的配准结果 bldr tm1 hdr ENVI 相应的头文件 bldr tm2 wrp 使用RST 和双线性内插重采样法进行的影像到影像的配准果 bldr tm2 hdr ENVI 相应的头文件 bldr tm3 wrp 使用RST 和三次卷积重采样法进行的影像到影像的配准果 bldr tm3 hdr ENVI 相应的头文件 bldr tm4 wrp 使用一次多项式和三次卷积重采样法进行的影像到影像的配准 果 bldr tm4 hdr ENVI 相应的头文件 bldr tm5 wrp 使用Delaunay 三角网和三次卷积重采样法进行的影像到影像配 准果 bldr tm5 hdr ENVI H 相应的头文件 bldrtm m img Boulder TM影像到地图的配准结果 使用了RST和三次卷积重采 样法 bldrtm m hdr ENVI 相应的头文件 bldrtmsp img Boulder TM SPOT 使用HSV 融合后的结果 分辨率为10米 bldrtmsp hdr ENVI 相应的头文件 3 实验中所用到的文件名称前缀改为 zhujian 三 实验过程 1 影像到影像的配准 1 打开并显示 Landsat TM 影像文件 从 ENVI 主菜单中 选择File Open Image File 当 Enter Data 遥感科学与技术 21 Filenames 对话框出现后 选择 遥感实习数据 几何校正数据中的 zhujian bldr tm img和SPOT数据zhujian bldrtm m文件 在文件选择对话框中 点击Open 在TM数据列表中选中波段3 点击No Display 按钮 并从下拉式菜单 中选择New Display 点击 Load Band 按钮 来把TM 第3 波段的影像加载到一个新的显示窗口中 Spot 影像文件和 Landsat TM 影像文件 2 开始进行影像配准并加载地面控制点 1 从 ENVI 主菜单栏中 选择Map Registration Select GCPs Image to Image 在 Image to Image Registration 对话框中 点击并选择 Display 1 SPOT 影像 作为Base Image 点击Display 2 TM 影像 作为Warp Image 点击 OK 启动配准程序 通过将光标放置在两幅影像的相同 地物点上 来添加单独的地面控制点 Image to Image Registration 对话框 遥感科学与技术 22 地面控制点 在 SPOT 和 TM 影像中选择控制点 2 在 Ground Control Points Selection 对话框中 点击Add Point 把该地面控制点添加到列表中 点击Show List 查看地面控制点列表 在 Ground Control Points Selection 对话框中 选择Options Clear All Points 可以清除掉所有已选择的地面控制点 在 Image to Image GCP List 对话框中 选择相应的地面控制点 然后在Ground Control PointsSelection 对话框中进行修改 这样可以编辑单个控制点的坐标位置 可以通过输入一个新 的像素坐标 或使用对话框中的方向箭头逐像素地移动坐标位置 遥感科学与技术 23 Image to Image GCP List 对话框 3 校正影像 1 从 Ground Control Points Selection 对话框中 选择Options Warp Displayed Band 2 在 Registration Parameters 对话框中的Warp Method 按钮菜单中 选择 RST 在Resampling 的按钮菜单中选择Nearest Neighbor 重采样法 Registration Parameters 对话框 遥感科学与技术 24 3 重复步骤 1 和步骤 2 还是使用 RST 校正法 但是要相应地选择 Bilinear 和 Cubic Convolution 重采样法 4 再一次重复步骤 1 和步骤 2 这一次选择一次多项式Polynomial 校 正法 并使用Cubic Convolution重采样法 然后再选择Delaunay 三角网的 Triangulation 校正法 相应地使用Cubic Convolution重采样法 4 比较校正结果 1 在可用波段列表中 点击原始的 TM 波段影像名zhujian bldr tm img 然 后从菜单栏中 选择File Close Selected File 2 在随后出现的 ENVI 警告对话框中 点击Yes 关闭相应的影像文件 3 在可用波段列表中 选择warp band1 Bldr tm img 文件 在Display 下 拉式按钮中选择New Display 点击Load Band 将该文件加载到一个新的显示窗 口中 4 在主影像窗口中 点击鼠标右键 选择 Tools Link Link Displays 6 在 Link Displays 对话框中 点击OK 把SPOT 影像和已添加了地理坐标 的TM 影像链接起来 遥感科学与技术 25 Link Displays 对话框 7 在主影像显示窗口中 点击鼠标左键 使用动态链接功能 对 SPOT 影像 和 TM 影像进行比较 SPOT 影像和 TM 影像比较 五 实验体会 使用全分辨率 主影像窗口 和缩放窗口来选择地面控制点 GCPs 进行 遥感科学与技术 26 影像到影像和影像到地图的配准 基准影像和未校正影像的控制点坐标都会显示 出来 同时由指定的校正算法所得的误差也会显示出来 地面控制点预测功能能 够使对地面控制点的选取简单化 在选取控制点时 要尽量选的比较准确一点 当使用预测功能是 如果对预 测的结果不满意的话 可以对预测的控制的进行修改 确保必要的精度 有必要 话可以借助网络提供的数据进行配准 实验四实验四 非监督分类非监督分类 一 实验目的 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 遥感影像的非监督分类一般包括以 下 6 个步骤 影像分析 分类器选择 影像分类 类别定义 类别合并 分类后处理 结果验证 二 实验数据介绍 使用数据 Landsat TM 数据 zhujian img 三 实验过程 1 创建感兴趣区 ROI 感兴趣区 遥感科学与技术 27 2 进行非监督分类 1 ISODATA ISODATA 非监督分类计算数据空间中均匀分布的类均值 然后用最小距离技 术将剩余像元迭代聚集 每次迭代重新计算了均值 且用这一新的均值对像元进 行再分类 重复分类是分割 融合和删除是基于输入的阈值参数的 除非限定了 标准差和距离的阈值 这时 如果一些像元不满足选择的标准 他们就无法参与 分类 所有像元都被归到与其最临近的一类里 这一过程持续到每一类的像元 数变化少于选择的像元变化阈值或已经到了迭代的最多次数 在主菜单上 选择 Classification Unsupervised IsoData 在 Classification Iput File 对话框中 选择分类的 TM 图像文件 点击 OK 按钮 打开 ISODATA Parameters 对话框 设置参数如下图所示 ISODATA 分类器参数设置对话框 ISODATA 分类效果图 遥感科学与技术 28 2 K Means K Means 非监督分类计算数据空间上均匀分布的最初类均值 然后用最短 距离技术重复地把像元聚集到最近的类里 每次迭代重新计算了均值 且用这一 新的均值对像元进行再分类 除非限定了标准差和距离的阈值 这时 如果一些 像元不满足选择的标准 他们就无法参与分类 所有像元都被归到与其最临近 的一类里 在主菜单上 选择 Classification Unsupervised K Means 在 Classification Iput File 对话框中 选择分类的 TM 图像文件 点击 OK 按钮 打开 ISODATA Parameters 对话框 设置参数如下图所示 K Means 分类器对话框 K Means 分类效果图 遥感科学与技术 29 3 类别定义与子类合并 执行非监督分类之后 获得了一个初步分来的结果 需要进行类别定义与合 并子类的操作 1 类别定义 打开目视解译底图并在 Display 中显示 打开 TM 分类图像并在 Display 中 显示 TM 底图影像与分类图像 在现实 TM 分类的主图像窗口中 选择 Overlay Classification 在 Interactive Class Tool 选择对话框中选择非监督分类结果 单击 OK 打开 Interactive Class Tool 对话框 Interactive Class Tool 对话框设置如下图 所示 Interactive Class Tool 对话框 遥感科学与技术 30 在 Interactive Class Tool 对话框中 选择 Option Edit class colors names 调出 Class Color Map Editing 对话框 选择对应的类别 类别 设置如下图所示 Class Color Map Editing 对话框 遥感科学与技术 31 2 合并子类 在主菜单中 选择 Classification Post Classification Combine Classes 在 Combine Classes Input File 对话框中选择定义好的分类结果 单 击 OK 按钮弹出 Combine Classes Parameters 对话框 在 Combine Classes Parameters 对话框中 从 Select Input Class 中选择合并的类别 分类类别的合并对话框 合并子类后的效果图 遥感科学与技术 32 四 实验体会 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 在进行感兴趣区的选取时 首先目视解译 看看在图像上大致能分为几种主 要的地物 然后在 Zoom 窗口中选择感兴趣区 选取感兴趣区时对同一地物进行 多次选点操作 确保分类的精度 实验五实验五 监督分类监督分类 一 实验目的 监督分类 supervised classification 又称训练场地法 是以建立统计 识别函数为理论基础 依据典型样本训练方法进行分类的技术 即根据已知训练 区提供的样本 通过选择特征参数 求出特征参数作为决策规则 建立判别函数 以对各待分类影像进行的图像分类 是模式识别的一种方法 要求训练区域具有 典型性和代表性 判别准则若满足分类精度要求 则此准则成立 反之 需重新 建立分类的决策规则 直至满足分类精度要求为止 常用算法有 判别分析 最 大似然分析 特征分析 序贯分析和图形识别等 遥感科学与技术 33 二 实验数据介绍 使用数据 Landsat TM 数据 zhujian img 三 实验过程 1 定义训练样本 1 打开 TM 图像 Band 5 4 3 合成 RGB 显示在 Display 中 2 在显示的 RGB 图像中模拟真彩色图像 色彩饱和 目视可以解译出六类地 物 3 通过分析图像 定义六类地物样本为林地 草地 耕地 裸地 沙地和水 体 2 应用 ROI Tools 创建感兴趣区 在主图像窗口中 选择 Overlay Region of Interest 打开 ROI Tool 对话 框 在 ROI Tool 对话框中 设置样本名称 颜色等信息 开始在主影像中选择 感兴趣区 遥感科学与技术 34 ROI Tool 对话框 感兴趣区选择效果图 3 评价训练样本 ENVI 使用计算 ROI 可分离性 Compute ROI Separability 工具来计算任意 类别间的统计距离 这个距离用于确定两个类别间的差异性程度 类别间的统计 距离是基于下列方法计算的 Jeffries Matusita 距离和转换分离度 Transformed Divergence 来衡量训练样本 ROI 的可分离性 1 在 ROI Tools 对话框中 点击 stats 弹出 ROI Statistic Results 窗口 遥感科学与技术 35 如下图所示 ROI Statistic Results 窗口 2 在 ROI Tools 对话框中 选择 Options Compute ROI Separability 在文 件选择对话框是 选择输入 TM 图像文件 单击 OK 按钮 3 在 ROI Separability Calculation 对话框中 单击 Select All Items 按 钮 选择所有 ROI 用于可分离性计算 单击 OK 可分离性将被计算并显示在窗口 中 可分离性计算窗口 遥感科学与技术 36 4 进行监督分类 根据分类的复杂度 精度需求等选择一种分类器 主菜单 Classification Supervised 分类器类型 分类器说明 平行六面体 Parallelpiped 根据训练样本的亮度值形成一个 n 维的平行六面体数据空间 其他像元的光谱如果落在平行六面体任何一个训练样本所对应 的区域 就被划分其对应的类别中 最小距离 Minmum Distance 利用训练样本数据计算出每一类的均值向量和标准差向量 然 后以均值向量作为该类在特征空间的中心位置 计算输入图像 中的每个像元到各类中心的距离 到那类的距离最小归入那类 马氏距离 Mahalanobis Distance 计算输入图像到各训练样本的马氏距离 最终统计马氏距离最 小值 即为次类别 最大似然 Likelihood Classification 假设每一波段的每一类统计都呈正太分布 计算给定像元属于 某一训练样本的似然度 像元最终归并到似然度最大的一类中 神经万罗 Neural Net Classsification 指用计算机模拟人脑的结构 用许多小的处理单元模拟生物的 神经元 用算法实现人脑的识别 记忆 思考过程应用与图像 的分类中去 1 平行六面体 遥感科学与技术 37 在主菜单中 选择 Classification Supervised Parallelpiped 在文件输 入对话框中选择 TM 分类图像 单击 OK 按钮打开 Parallelpiped 参数设置窗口 参数设置如下图所示 Parallelpiped 分类器参数设置对话框 分类效果图 遥感科学与技术 38 2 最小距离 在主菜单中 选择 Classification Supervised Minimum Distance 在文 件输入对话框中选择 TM 分类图像 单击 OK 按钮打开 Minimum Distance 参数设 置窗口 参数设置如下图所示 Minimum Distance 分类器参数设置对话框 分类效果图 3 马氏距离 遥感科学与技术 39 在主菜单中 选择 Classification Supervised Mahalanobis Distance 在文件输入对话框中选择 TM 分类图像 单击 OK 按钮打开 Mahalanobis Distance 参数设置窗口 参数设置如下图所示 Mahalanobis Distance 分类器参数设置对话框 分类效果图 遥感科学与技术 40 4 最大似然 在主菜单中 选择 Classification Supervised Maxinmum Likelihood 在 文件输入对话框中选择 TM 分类图像 单击 OK 按钮打开 Maxinmum Likelihood 参 数设置窗口 参数设置如下图所示 Maxinmum Likelihood 分类器参数设置对话框 分类效果图 遥感科学与技术 41 5 评价分类结果 执行监督分类之后 需要对分类结果进行评价 ENVI 提供了多种评价方法 包括分类结果叠加 混淆矩阵 Confusion Matrices 和 ROI 曲线 ROC Curves 分类图 遥感科学与技术 42 1 混淆矩阵 分类结果的精度显示在一个混淆矩阵里 用于比较分类结果和地表真实信息 记录了总体精度 制造者以及用户的准确度 Kappa 系数 混淆矩阵以及代 理和长误差 ENVI 能用一幅地表真实图像或地表真实感兴趣区 ROIs 计算混 淆矩阵 当用一幅地表真实图像时 也可以输出每类图像中没有被正确分类的那 些像元隐含的误差图像 当使用地表真实图像时 可以为每个分类计算误差掩膜图像 用于显示那些 像元被错误归类 计算之前先打开一个真实的分类图 在主菜单中 选择 Classification Post Classification Confusion Matix Using Ground Truth Image 在 Classification Input File 对话框中 选择分类结果 在 Ground Truth Image 对话框中 选择地表真实图像 在 Match Classes Parameters 对话框中 选择所要匹配的名称 单击 Add Combination 按 钮 把地表真实类别与最终分类结果相匹配 类别之间的匹配将显示在对话框底 部的列表中 如果地表真实图像中的类别与分类图像中的类别名称相同 它们将 自动匹配 单击 OK 按钮 输出混淆矩阵 分类匹配设置对话框 遥感科学与技术 43 混淆矩阵输出对话框 混淆矩阵截屏 遥感科学与技术 44 2 结果分析 Confusion Matrix Memory14 640 x400 x1 总体精度 Overall Accuracy 255270 255270 100 0000 Kappa 系数 Kappa Coefficient 1 0000 混淆矩阵 Ground Truth Pixels Class 裸地 Sienna 2 沙地 Blue 2 林地 Green1 耕地 Green2 水体 Yellow 其他 Black Total 裸地 Sienna 2 16876700000168767 沙地 Blue 2 014171000014171 林地 Green1 005671000056710 耕地 Green2 0006963006963 水体 Yellow 0000551405514 其他 Black 0000031453145 Total1687671417156710696355143145255270 Ground Truth Percent Class 裸地 Sienna2 沙地 Blue 2 林地 Green1 耕地 Green2 水体 Yellow 其他 Black Total 裸地 Sienna 2 100 000 000 000 000 000 0066 11 沙地 Blue 2 0 00100 000 000 000 000 005 55 林地 Green1 0 000 00100 000 000 000 0022 22 耕地 Green2 0 000 000 00100 000 000 002 73 水体 Yellow 0 000 000 000 00100 000 002 16 其他 Black 0 000 000 000 000 00100 001 23 Total100 00100 00100 00100 00100 00100 00100 00 遥感科学与技术 45 Class Commission Percent Omission Percent Commission Pixels Omission Pixels 裸地 Sienna2 0 000 000 1687670