《非监督分类.pdf》由会员分享，可在线阅读，更多相关《非监督分类.pdf（12页珍藏版）》请在三一文库上搜索。
1、非监督分类非监督分类 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。 目前比较常见也较为成熟的是 ISODATA、K-Mean 和链状方法等。遥感影 像的非监督分类一般包括以下 6 个步骤： 图 1 非监督分类操作流程 目前非监督分类器比较常用的是 ISODATA、K-Mean 和链状方法。ENVI 包括了 ISODATA 和 K-Mean 方法。 1、影像分析、影像分析 大体上判断主要
2、地物的类别数量。一般监督分类设置分类数目比最终分类 数量要多 2-3 倍为宜，这样有助于提高分类精度。 本案例的数据源为 ENVI 自带的 Landsat tm5 数据 Can_tmr.img，类别分 为：林地、草地/灌木、耕地、裸地、沙地、其他六类。确定在非监督分类中的 类别数为 15。 2、分类器选择、分类器选择 ISODATA（Iterative Self-Orgnizing Data Analysize Technique）重复自组织 数据分析技术，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 余像元进行迭代聚合，每次迭代都重新计算均值，且根据所得的新均值，对像 元进行再分类
3、。 K-Means 使用了聚类分析方法，随机地查找聚类簇的聚类相似度相近，即 中心位置，是利用各聚类中对象的均值所获得一个“中心对象”（引力中心） 来进行计算的，然后迭代地重新配置他们，完成分类过程。 3、影像分类、影像分类 打开 ENVI，选择主菜单-Classification-Unsupervised-IsoData 或者 K- Means。这里选择 IsoData，在选择文件时候，可以设置空间或者光谱裁剪区。 这里选择软件自带的 Can_tmr.img，按默认设置，之后跳出参数设置，如图 2。 这里主要设置类别数目（Number of Classes）为 5-15、迭代次数 （Maxi
4、mum Iteration）为 10。其他选项按照默认设置，输出文件。 图 2 ISODATA 非监督分类参数设置 图 3 ISODATA 分类结果 4、类别定义、类别定义/类别合并类别合并 （1） 类别定义 在 display 中显示原始影像，在 display-overlay-classification，选择 ISODATA 分类结果，如图 4 所示，在 Interactive Class Tool 面板中，可以选择 各个分类结果的显示。 图 4 影像与分类结果的叠加 Interactive Class Tool 面板中，选择 Option-Edit class colors/names
5、。通过目 视或者其他方式识别分类结果，填写相应的类型名称和颜色。 图 5 类别定义 如图 6 所示为最终的结果。 图 6 类别定义结果 在类别定义时候，可以利用 Mode：Polygon Add to Class、Edit-Mode： Polygon Delete from Class 或者 Set delete class value 把很明显的错误分类结果并 入或者删除。 （2） 类别合并 选择主菜单-Classification-Post Classification -Combine Classes。把同一 类的类别合并成一类，如图 7 所示。在点击 ok 后，需要选择输出文件和 Re
6、move Empty Class 选择 YES，可以得到结果。 图 7 类别的合并 5、分类后处理、分类后处理 参照监督分类。 6、结果验证、结果验证 参照监督分类。 ENVI 5.1 下流程化分类工具下流程化分类工具 在 ENVI5.1 下，提供了一个流程的图像分类工具，Toolbox/Classification/Classification Workflow 工具，下面对 10 米的 ALI 数据进行火烧迹地信息提取为例子，简单看看具体操 作步骤如下： 第一步，打开数据“BurnALI_subset.dat”，用 964 波段合成显示； 图 8 band 9,6,4 组合增强火烧迹地信息
7、 第二步：打开监督分类的流程化工具，Toolbox/Classification/Classification Workflow，在 Input Raster 中输入待分类的数据，点击 Next，选择 Use Training Data（监督分类），点击 Next， 图 9 导入打开的影像数据 第三步：修改类别的名称和颜色非火烧迹地，在图像中选择样本，点击 新建一类，为非火 灾区域，选择样本。选择 Preview 可以预览分类结果，点击 Next； 图 10 添加提取样本以及样本参数设置 图 11 选择样本区域 第四步，分类斑块后处理，设置平滑核和聚合算子，点击 Next； 图 12 像元边界
8、平滑以及碎斑处理分析 第五步，结果输出，可输出分类结果、矢量数据及统计结果文件。 图 13 结果输出 图 14 提取结果展示 上可以看到，这个工具就是把监督分类的所有流程集成在一个界面下完成，而且还可 以随时浏览 总结总结 1、监督分类中的样本选择和分类器的选择比较关键。在样本选择时，为了 更加清楚的查看地物类型，可以适当的对图像做一些增强处理，如主成分分 析、最小噪声变换、波段组合等操作，便于样本的选择；分类器的选择需要根 据数据源和影像的质量来选择，比如支持向量机对高分辨率、四个波段的影像 效果比较好。 2、非监督分类的关键部分是类别定义。这个过程需要数据的支持，甚至需要 组织野外实地调查。