环境遥感-遥感图像专题分类课件

第四章遥感图像专题分类蔡玉林​​内容第一节人工解译第二节非监督分类第三节监督分类​第二节非监督分类K-means法Isodata法​第二节非监督分类K-means法选择C个聚类中心，设Ai,i=1,2,...,c.;

将任一个像元归类到距离最近的类别中;基于得到的类别，产生新的C个聚类中心,设Bi,i=1,2,...,k.;如果，（>0,）则结束循环，否则返回步骤b，继续循环。​第二节非监督分类Isodata法指定参数包括类别数目K（近似）,允许迭代的次数I，一个类中样本的最少个数N，关于类分散程度的参数S（标准差）,关于类间距离的参数D，每次允许合并的类别的对数L；​第二节非监督分类Isodata法选择c个点作为聚类中心，设Ai,i=1,2,...,c.;

将每一个像元归类到距离最近的类别中;基于得到的类别，如果某一个类别样本个数数量少于指定的个数N，则去掉此类，返回c；重新计算各类中心；如果迭代次数大于I，转向第8步，检查类间最小距离；​第二节非监督分类Isodata法计算每个类别中标准差，如果某个类别标准差大于指定参数S，则将该类别拆分为两类，产生两个类别中心。

计算类别中心两两之间的距离，将距离小于指定参数D的两个类别合并，直到满足指定的允许合并的类别的对数L;如果迭代次数大于I，计算结束，否则转到第3步，即将每一个像元归类到距离最近的类别中。​K-meansvsISODATA​​第三节监督分类最大似然法最小距离分类法平行六面体法​第三节监督分类最大似然法（MLC）判别规则：每个像素对于各类别的归属概率方法：x属于类别Ki的概率为P(Ki/x),i=1,2,...,nMax（P(K1/x)，P(K2/x)，…P(Ki/x)）​第三节监督分类最大似然法（MLC）判别规则：每个像素对于各类别的归属概率概率等值线​第三节监督分类最小距离分类法例子：​第三节监督分类最小距离分类法例子：

​第三节监督分类最小距离分类法判别规则：像元与各个类别之间的距离TM4TM1​第三节监督分类平行六面体法例子：​第三节监督分类平行六面体法判断方法： 设有某类别j，类别中心（均值）为Mij（i为波段1，2，3……），标准差为Si

i表示波段，j表示类别数目，x为像元灰度值，M为j类别的均值。​第三节监督分类平行六面体法TM4TM1​​第五章遥感分类中的不确定性和尺度问题分类精度评价后处理​第五章遥感分类中的不确定性和尺度问题分类精度评价混淆矩阵总体精度，生产者精度，用户精度Kappa系数​第五章遥感分类中的不确定性和尺度问题总体精度：​第五章遥感分类中的不确定性和尺度问题生产者精度：又称制图精度，表示实际的任意一个随机样本与分类图上同一地点的分类结果相一致的条件概率。​第五章遥感分类中的不确定性和尺度问题漏分误差：是实际的某一类地物被错误的分到其他类别的百分比。​第五章遥感分类中的不确定性和尺度问题用户精度：表示从分类结果中任取一个随机样本，其所具有的类型与地面实际类型相同的条件概率。​第五章遥感分类中的不确定性和尺度问题错分误差：图像的某一类地物被错分到其他类别的百分比。​第五章遥感分类中的不确定性和尺度问题生产者精度用户精度​第五章遥感分类中的不确定性和尺度问题分类精度评价—Kappa系数​第五章遥感分类中的不确定性和尺度问题分类精度评价—Kappa系数​第五章遥感分类中的不确定性和尺度问题分类精度评价—Kappa系数Kappa系数在0.4以上分类结果比较可信​第五章遥感分类中的不确定性和尺度问题分类精度评价—Kappa系数假设：Pc为总体精度​检验数据图像类别xyz行和xA1A2A3AyB1B2B3BzC1C2C3C列和DEFN​图像类别检验数据xyz行和xA1A2A3AyB1B2B3BzC1C2C3C列和DEFN​第五章遥感分类中的不确定性和尺度问题分类精度评价—混淆矩阵后处理实测结果分类结果总体精度？生产者精度？用户精度？​第五章遥感分类中的不确定性和尺度问题分类精度评价—Kappa系数后处理分类结果实测结果​第五章遥感分类中的不确定性和尺度问题后处理​第五章遥感分类中的不确定性和尺度问题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。从应用角度出发，有必要对这些小图斑进行剔除。处理方法：类别合并(Combine)聚块(Clump)筛除(Sieve)主／次要分析（Majority/Minorityanalysis)​第五章遥感分类中的不确定性和尺度问题后处理​第五章遥感分类中的不确定性和尺度问题后处理--clump作用：将邻近的类似分类区域合并集群，使分类结果呈现空间连续性。​第五章遥感分类中的不确定性和尺度问题后处理--clump作用：将邻近的类似分类区域合并集群，使分类结果呈现空间连续性。​第五章遥感分类中的不确定性和尺度问题后处理—sieve，即筛除作用：可以解决孤岛问题。效果类似于clump,不同的是，被选中的像元会被从某类别中删除，成为未分类像元。​第五章遥感分类中的不确定性和尺度问题后处理—majority/minorityanalysis作用：去掉虚假类别像元。majorityanalysis－主要分析指以移动窗口中主要像元类别替代中心像元类别；minorityanalysis－次要分析指以移动窗口中主要像元类别替代中心像元类别​第五章遥感分类中的不确定性和尺度问题后处理—majority/minorityanalysismajorityanalysisexample:​第五章遥感分类中的不确定性和尺度问题后处理—majority/minorityanalysisminorityanalysisexample:​练习计算上述误差矩阵的总体精度，用户精度，生产者精度（制图精度），Kappa系数，要求必须有公式，有详细的过程。​每一次的加油，每一次的努力都是为了下一次更好的自己。7月-237月-23Wednesday,July26,2023天生我材必有用，千金散尽还复来。02:32:1502:32:1502:327/26/20232:32:15AM安全象只弓，不拉它就松，要想保安全，常把弓弦绷。7月-2302:32:1502:32Jul-2326-Jul-23得道多助失道寡助，掌控人心方位上。02:32:1502:32:1502:32Wednesday,July26,2023安全在于心细，事故出在麻痹。7月-237月-2302:32:1502:32:15July26,2023加强自身建设，增强个人的休养。2023年7月26日2:32上午7月-237月-23扩展市场，开发未来，实现现在。26七月20232:32:15上午02:32:157月-23做专业的企业，做专业的事情，让自己专业起来。七月232:32上午7月-2302:32July26,2023时间是人类发展的空间。2023/7/262:32:1502:32:1526July2023科学，你是国力的灵魂；同时又是社会发展的标志。2:32:15上午2:32上午02:32:157月-23每天都是美好的一天，新的一天开启。7月-237月-2302:3202: