遥感与图像处理基础__9.监督分类

1、本章提要本章提要()()1 概述2 信息类别和光谱类别3 监督分类4 非监督分类5 其它分类方法6 不同分类方法的精度差异7 分类中应用的辅助数据8 图像分类的有关问题 遥感的最终成果之一就是从遥感影像上获取信息，遥感分类是获取信息的重要手段。同时遥感分类也是目前遥感技术中的热点研究方向，每年都有新的分类方法推出。 遥感分类基本概念 常见遥感分类方法 ENVI中的分类工具 遥感影像通过亮度值或像元值的高低差异（反映地物的光谱信息）及空间变化（反映地物的空间信息）来表示不同地物的差异，这是区分不同影像地物的物理基础。 遥感影像分类就是利用计算机通过对遥感影像中各类地物的光谱信息和空间信息进行分析

2、，选择特征，将图像中每个像元按照某种规则或算法划分为不同的类别，然后 获得遥感影像中与实际地物的对应信息，从而实现遥感影像的分类。 不同的地物具有不同的波谱特征，同类的地物具有相似的波谱特征，由不同探测波段组成的多波段数字图像是地物特征的量化，遥感影像分类正是基于影像中所反映 的同类地物的光谱相似性和异类地物的光谱差异性的基础上进行的，根据影像的特征向量，建立判别函数，最终实现将遥感影像自动分成若干地物类型。遥感影像分 类由于遥感影像的数据量大和成像复杂等特点，使得遥感影像具有一些特点和原则。 遥感影像分类就是把像元归到某个类别的过程 数字影像和分类影像 分类影像（右）是通过分析数字影像（左）

3、确定的，将数字影像上相似光谱值的像元集合成组。这里“A”类由像元值6，7，8和9组成的，“B”类由像元值0，1，2和3组成。 遥感影像分类的目的 影像分类有时就是遥感分析的目标 ，有时是分析过程的中间步骤。简单的点分类器邻近分类器 （1）数据量大。 遥感影像通常具有较多的光谱波段，每个像元在不同波段具有不同的波谱特征，所以遥感影像分类是处理多波段的运算。 （2）复杂性。 虽然大多数的地物符合“同类地物具备相同的波谱特征，不同地物具有不同的波谱特征”的原则，但是大多数情况下，研究的同类地物会具有不同的光谱特征，即“同物异谱”，而相同的光谱特征表示了不同的地物，即“异物同谱”。 （3）需要预处理。

4、在对遥感影像分类前，往往需要做一定的预处理，原始影像的特征波段间往往存在比较强的相关性，同时由于处理多波段遥感数据的计算量大的原因，在分类前采用特征判别，决定一定的预处理方法，不但可以减少计算量，同时为可以处理多波段数据提供一种方式。遥感影像分类方法主要可以归纳为两类： 监督分类 非监督分类信息类别是用户使用的对地面事物的信息分类。 光谱类别是像元按照亮度值进行的分组，亮度信息相似度大的像元归在一个组内，光谱类别可以直接在遥感数据中观察到。 监督分类(Supervised Classification)是用已知类别的样本（已经被分到某一信息类别的像元）对未知类别的像元进行分类的过程。 在分类之

5、前通过目视判读和野外调查，对遥感图像上某些样区中影像 地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使 其符合于对各种子类别分类的要求， 随后用训练好的判决函数去对其他待分数据进行分类。使每个像元和训练样本作比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。 优点 l分析人员可以控制适用于研究需要和区域地理特征的信息类别。l 可控制训练样区和训练样本的选择。l分析人员运用监督分类不必担心光谱类别和信息类别的匹配问题。l 通过检验训练样本数据可确定分类是否正确，估算监督分类中的

6、误差。l避免了非监督分类中对光谱集群类别的重新归类。 缺点 l分类体系和训练样区的选择有主观因素的影响。l训练样区的代表性问题。l有时训练样区的选择很困难。l只能识别训练样本所定义的类别，对于某些未被分析人员定义的类别则不能识别，容易造成类别的遗漏。 （1）像元的数量（2）训练样区的大小 由许多像元组成的训练样区依据信息类别的光谱特征进行采样。图中的阴影区域表示训练样区用来估计每种类别的光谱特征。这些信息是对训练样区外像元进行分类的基础。 （3）训练样区的形状（4）训练样区的位置（5）训练样区的数量（6）训练样区的放置（7）训练样区的均质性左边训练数据的直方图只有一个峰，所以它表示训练样区是均

7、质的，这样的训练数据就适合影像的分类。右边的直方图有两个峰，从而表示训练数据是非均质的，因此这样的训练数据不适合影响分类，必须被舍弃或进行改进。（1）收集信息，包括分类地区的地图和航片等。（2）进行野外调查获取研究区域的第一手信息。（3）设计野外调查路线和内容。（4）分类数字影像预分析。（5）找出潜在的训练样区。（6）定位和绘制训练样区。（7）检查每个训练样区的各波段频率直方图。（8）调整和去除双峰频率分布。（9）合并训练数据信息并用于分类程序，进行计算机监督分 类过程。（1）平等算法分类（2）最小距离分类（3）马氏距离法（4）最大似然法分类（5）贝叶斯法分类（6）ECHO分类法 平行算法分类

8、 这种分类方法简单、直接、实用这种分类方法简单、直接、实用 根据训练样本的亮度值范围在多维数据空间中形成的盒子（矩形）根据训练样本的亮度值范围在多维数据空间中形成的盒子（矩形）作为分类决策依据作为分类决策依据 。 最小距离法分类 利用训练数据各波段的光谱均值，根据像元离各训练样本平均利用训练数据各波段的光谱均值，根据像元离各训练样本平均值距离的大小，将像元划分到距离最短的信息类别中值距离的大小，将像元划分到距离最短的信息类别中 最小距离分类法的概念和处理都很简洁，但在遥感图像分类中最小距离分类法的概念和处理都很简洁，但在遥感图像分类中使用并不广泛使用并不广泛 马氏距离法 马氏距离法：是一个方向

9、灵敏的距离分类器，分类时用到了统计。它与最大似然分类有些类似，但是假定所有类的协方差相等，所以是一种较快的方法。所有像元都被归到最临近的ROI类，除非用户限定了一个距离阈值（这时，如果一些像元不在阈值内，就会被划为无类别）。 最大似然法 据训练样本的均值和方差，通过概率评价待分类像元与训练样据训练样本的均值和方差，通过概率评价待分类像元与训练样本之间的相似性，依此对像元进行分类。本之间的相似性，依此对像元进行分类。 最大似然法可以同时定量地考虑二个以上的波段和类别，是一最大似然法可以同时定量地考虑二个以上的波段和类别，是一种应用广泛而且有效的分类技术。种应用广泛而且有效的分类技术。 图中是两个

10、训练样区的频率分布。其中重叠的区域表示两种类别共有的像元值。重叠区域内的像元值和每种类别频率分布之间的关联程度是决定像元属于何种类别的基础。 贝叶斯法分类 通过计算变量属于各类的概率，将该变量归为概率最大的一组。 当类别在光谱数据空间中不容易区分的或是重叠时，运用贝叶斯定理进行分类效果特别好。 ECHO法分类 ECHO法，是针对均质目标的提取和分类法。法，是针对均质目标的提取和分类法。（1）类别定义：根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；（2）特征判别：对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理；（3）样本选择：为了建立分类函数，需要对每一类别选取一定数目的样本；（4）分类器选择：根据分类的复杂度、精度需求等确定哪一种分类器；（5）影像分类：利用选择的分类器对影像数据进行分类，有的时候还需要进行分类后处理；（6）结果验证：对分类结果进行评价，确定分类的精度和可靠性。 ENVI中包括了监督分类的各个步骤中的所有工具，首先是样本的选择，通过感兴趣区域收集器（ROI）获取，主面板BasicRegion Of Interest。包括的功能非常的全，如样本收集、样本精度验证等，样本收集可以从普通的影像上收集，也可以在散点图上选择。训练样本的选择 样本收集完了后，就可以进行监督分类了。ENVI有多种分类器：包括平行六面体、最小距离、马氏距离、