EDVI操作课堂作业4

实习四

主要内容

1.对比遥感图像非监督分类与监督分类

2.对比ISODATA与最大相似性分类的差异，并解释产生差异的原因

3.最大似然法监督分类结果的后处理

1.非监督分类

isodata分类

1.打开图像can_tmr,选择classification菜单下的unsupervisedTsoData分

类，按照如图默认设置，分为5-10组，得到结果如下，与原图对比，虽然细致，

但分类过多，有些冗杂。

图1

2.只使用4,5,7三个波段进行分类,得到结果与原图比较。两种方法有一定差别。

但分类类型和个数差别不大。

图2

2.监督分类

2.1分类流程

1.用波段5,4,3假彩色合成打开nj-Work

2.设置感兴趣区参数。Tools-regionofinterest-ROItools,在Zoom窗口上

绘制。

3.开始绘制，注意绘制完后用goto进行查看，选择的像素不能太少，由于图像

有7个光谱，选择像素至少要210左右。

图3

4.选出如下几个感兴趣区。

图4

5.保存区域，File-saverois,用restore选项可以把保存好的感兴趣区加载进

来。

6.先后点击ROITool上的selectall和stats,得到感兴趣区的光谱特征图,

可以看到不同地物在不同波长的平均值。在图像上右击，选择plotfunction-x

axis:index,可以得到他们在不同波段上对应的值。

》ROIStatisticsResults:njWork

FileOptions

Statsfor江水[R«d]1500points

S«l«ctPl

ROIMeans:

20

00

80

60

40

n心20

c

A

345

IndexNumber

Select

Filename:D遥图、la.b4、lab4\Data5jUork

ROI:江水[Red]1500points

BasicStatsMinMaxMeanStdev

Band1110122115.9633331.666485

Band29510599.3153331.831430

Band39811110S.1826672.093216

Band43137341273331020366

Band52336298s66672251407

Band6193225.2760002.249859

HistogramDNNptsTotalPercentAccPct

Band1110110066700667

图5

可以看到，差别较大的有波段3,5和6,这些波段有较大的可分性。可分性最

大，标准差最小的波段是3。

7.检验感兴趣区。ROItools-Options-ComputeROIseparability,选择所有

R0I,在得到结果的最后找到pairseparation,如果两两之间差距大于1.9,分

类好。

PairSeparation(leasttomost);

道路[Cyan]300pointsand城镇[SeaGreen]303points-0.88008096

河永[Green]398pointsand湖永[Blue]403points—1.16844409

造躇[Cyan]300pointsand耕地[Magenta]307points-1.95113065

有林地[Yellow]366pointsand耕地[Magenta]307points-1.95172440

穆士也[Maroon]311pointsand城镇[SeaGreen]303points—1.99019497

洵水[Green]398pointsand道谿[Cyan]300points-1.99306198

河永[Green]398pointsand城镇[SeaGreen]303points-1.99517640

江永iR&d]1500pointsand河水[Green]398points-1.99645213

耕士也[Magenta]307pointsand城镇[SeaGreen]303points-1.99652844

[Cyan]300pointsand裸地[Maroon]311points-1.99754261

[Green]398pointsand耕地[Magenta]307points-1.99922381

湖水[Blue]403pointsand道路[Cyan]300points—1.99983909

有林地[Yellow]366pointsand道路[Cyan]300points-1.99988882

湖水[Blue]403pointsand城镇[SeaGreen]303points-1.99995207

湖水[Blue]403pointsand耕地jMaigenta]307points-1.99999799

耕地[Magenta]307pointsand裸地[Maroon]311points—1.99999890

宥林地[Yellow]366pointsand城镇[SeaGreen]303points-1.99999999

洵永[Green]398pointsand有林地[Yellow]366points-1.99999999

洵永[Green]398pointsand槐地[Maroon]311points-2.00000000

江水[Red]1500pointsand道路[Cyan]300points-2.00000000

江水[Red]1500pointsand城镇[SeaGreen]303points-2.00000000

江水[Red]1500pointsand海永[Blue]403points-2.00000000

湖永[Blue]403pointsand有林地[Yellow]366points—2.00000000

有林地[Yellow]366pointsand裸地[Maroon]311points-2.00000000

江水[Red]1500pointsand耕地[Magenta]307points-2.00000000

江永[Red]1500pointsand有林地[Yellow]366points-2.00000000

湖水[Blue]403pointsand槐地[Maroon]311points-2.00000000

江水[Red]1500pointsand糠地[Maroon]311points-2.00000000

图6

可以看到在这次分类中，道路和城镇，河水和湖水的区别都较小，在图像上也反

映出他们的差别不大，有些难以区别。

8.改进感兴趣区。

1)File-exportR0Iton-Dvisualiser,选中所有感兴趣区，得到图如下，选

择想要三维查看的至少三个波段，大于等于三个波段会进行动态演示。

On-DControls|o《

FileClassOptionsHelp

图7

2)通过查看演示，可以将差别不大的R0I合并；将自成一体的R0I分成新的类

型，或者改变原来的R0I分类。

①如下图，蓝色和绿色不管在哪个方向都相互交融，可以将道路和城镇合成一个

感兴趣区;

图8

可以直接在原来的感兴趣区上进行合并，options-mergeregions,设置如图。

©MergeROIs叵

ChooseBaseROIforMerge：ChooseROIEtoMergeintoBase：

江[Red]1500points

河江水[Red]1500points

[Green]398points

湖河水[Green]398points

[Blue]403points海水[Blue]403points

地[Yellow]366points看林地[Yellow]366points

[Cyan]603points

[Cyan]叩3points

[Magenta]307points

[Magenta]307points

[Maroon]311points

[Maroon]311points

75points

[SeaGreen]75points

SelectedItem：

城镇[SeaGreen]75pointsNumberofiternsselected：1

|SelectAllItems||ClearAllItems|

DeleteMergedROIs?YesMl

图9

②如图，有一块原来属于道路的区域与其他湖水的感兴趣区差别较大，可以考虑

单独划分成一个感兴趣区;

图10

这个部分的改动要输出。在图上右键点击Exportclass,如图，原来的感兴趣区

多出一块。

0#1ROITool|CJ||B||wEhi|

FileR01_TypeOptionsHelp

Window：ImageScroll。ZoomOff

ROINameColorPixelsPolygonsPolylinesPointsFillOrienSp4

江水Red1,5004/1,5000/00Solid450.1.

河水Green3981/248/3740Solid450.1

湖水Blue40312/4030/00Solid450.1

有林地Yellow3666/3660/00Solid450.1

道路Cyan3000/09/3000Solid450.1

耕地Magenta3075/1740/0133Solid450.1

裸地Maroon31111/3110/00Solid450.1

城滇SeaGreen3036/2524/510Solid450.1

*n_DClass#37Purplel200/00/020Solid450.1

图11

9.为保证分类的合理性和精度，改进后可再次查看分类精度，Pairseparation

大于1.9可以使用。

2.2分类方法

2.2.1平行管道法

1.clasification-supervised-parallelepipped,选中之前分好的感兴趣区，得

到分类结果。

图12

2.与非监督分类结果进行比较，可以看出，这种办法分类明显较少，地物分类更

明确，更合理。比如江水包围的城镇地区，在非监督分类中分类过多过于冗杂,

在监督分类中可以直观的突出城镇，耕地和湖泊，唯一的瑕疵是道路和城镇合并

不能看出来。

图13

2.2.2最大似然法

1.classification-supervised-maximumlikelihood,如图所示弹出设置窗口。

如图所示进行设置，单值是指：所有的类别判断时用相同的概率阈值，多值则相

反，要使用不同的概率阈值。这个阈值如果太大，会导致有大量点无法找到分类，

太小又会导致分类精度太低。这个值可以不设置，直接让计算机处理时得到一个

合理值。

图14

2.分类结果如图，与平行管道对比，两者分类有一定差别，对比原图我的直观认

为是，最大似然法分类比较合理。

图15

3.分类后处理

3.打开overlay-classification可以查看分类结果并进行改动。

①类别集群

Classification-postclassification-clumpclasses,进行顺序类别集群，作

用是消除原图中属于另一地物类别的部分，即分错的部分，弹出的窗口如图，首

先选择第一个类别，储存为ml。再对ml中的类别2进行处理，以此类推，可以

看到图像发生了很大变化，主要是与周围的差别变小。

图16

与原图对比，图上很多细小的农田之类的细节消失了，所以这个办法可以用于平

滑图像，但细节处理不够好。

②主要/次要分析

classification-postclassification-Majority/minorityanalysis,对道路

和耕地两个类型进行主要/次要分析。得到结果如图右，与未经处理的结果对比

如图所示，该窗口中心点在变换前后发生变化，这是因为对蓝色部分代表的道路

（包括城镇）和紫色代表的耕地进行了多数分析，在这个3*3窗口中，由于紫色

部分面积更大，所以中心象元被归为紫色。相反，如果用的是少数分析，这个点

就被归为蓝色（道路和城镇）。多数分析有利于凸显重点区域，差距拉大；少数

分析可能对提取边界和细节信息有所帮助。

③类别筛选

主要是在已有的图上，根据单独孤立点的特点，筛选出其他的类别。具体操作是

classification-postclassification-sievec