遙感圖像分類

一、背景簡介

遙感圖像分類就是利用計算機(jī)通過對遙感圖像中各類地物的光譜信息和空間信息進(jìn)行分析，選擇特征，將圖像中各個像元按照某種規(guī)則或算法劃分不同的類別，然后獲得遙感圖像中與實際地物的對應(yīng)信息，從而實現(xiàn)圖像的分類。遙感圖像計算機(jī)分類的依據(jù)是遙感圖像像素的相似度。常使用距離和相關(guān)系數(shù)來衡量相似度。常見的分類方法有：監(jiān)督分類、非監(jiān)督分類法。

二、監(jiān)督分類與非監(jiān)督分類的區(qū)別及優(yōu)缺點簡要探討：

案例：數(shù)據(jù)源為ENVI自帶的Landsat tm5數(shù)據(jù)Can-tmr.img,類別為：林地、草地/灌木、耕地、裸地、沙地、其它六類。 下面就分別用監(jiān)督分類與非監(jiān)督分類法次此案例進(jìn)行簡單分析。
首先我們來了解一下什么是監(jiān)督分類？
監(jiān)督分類是用于在數(shù)據(jù)集中根據(jù)用戶定義的訓(xùn)練樣本類別聚集像元。訓(xùn)練樣本類別是像元的集合或單一波譜。在分類過程中，可以選擇它們作為代表區(qū)域或分類素材。
監(jiān)督分類的大致步驟有：類別定義、樣本選擇、分類器選擇、影像分類、分類后處理、結(jié)果驗證。
監(jiān)督分類對本案例處理的簡要流程:

1、類別定義

根據(jù)分類目的、影像數(shù)據(jù)自身的特征和分類區(qū)收集的信息確定分類系統(tǒng)；對影像進(jìn)行特征判斷，評價圖像質(zhì)量，決定是否需要進(jìn)行影像增強(qiáng)等預(yù)處理。這個過程主要是一個目視查看的過程，為后面樣本的選擇打下基礎(chǔ)。本例是以ENVI自帶Landsat tm5數(shù)據(jù)Can-tmr.img為數(shù)據(jù)源，類別分為:林地、草地/灌木、耕地、裸地、沙地、其他六類。

2、樣本選擇

為了建立分類函數(shù),需要對每一類別選取一定數(shù)目的樣本,在ENVI，中是通過感興趣區(qū)來確定，也可以將矢量文件轉(zhuǎn)化為ROIs文件來獲得，或者利用終端像元收集器來獲得。本例中使用ROIs方法，打開分類圖像，在Display->Overlay->Region of Interest,默認(rèn)ROIs為多邊形，按照默認(rèn)設(shè)置在影像上定義訓(xùn)練樣本。如圖1-1示，設(shè)置好顏色和類別名稱。

如圖1-1 訓(xùn)練樣本的選擇

3、分類器選擇

根據(jù)分類的復(fù)雜度，精度需求等確定哪一種分類器。目前監(jiān)督分類可分為基于傳統(tǒng)統(tǒng)計分析學(xué)的，包括平行六面體、最小距離、馬氏距離、最大似然，基于神經(jīng)網(wǎng)絡(luò)的，基于模式識別，包括支持向量機(jī)、模糊分類等，針對高光譜有光譜角，光譜信息散度，二進(jìn)制編碼。

4、影像分類

選擇支持向量機(jī)分類方法。主菜單下選擇Classification>Supervised>Support Vector Machine。按照默認(rèn)設(shè)置參數(shù)輸出分類結(jié)果。如圖1-2:

圖1-2支持向量機(jī)分類器參數(shù)設(shè)置

圖1-3支持向量機(jī)分類結(jié)果

5、分類后處理

分類后處理包括的很多過程都是可選項，包括更改類別顏色、分類后統(tǒng)計，小斑塊處理等。如更給類別顏色:在主圖像窗口中的顯示菜單里,選擇Display >?Color Mapping?>?Class?Color Mapping，分別選取顏色。

圖1-4類別顏色更改后的效果

圖1-5自動顏色更改的效果

6、結(jié)果驗證

結(jié)果驗證主要是對分類結(jié)果進(jìn)行評價，確定分類的精度和可靠性。有兩種方法:一是混淆矩陣，二是ROC曲線。在此不作具體介紹。
讓我們來了解一下什么是非監(jiān)督分類?
非監(jiān)督分類：也稱為聚類分析或點群分類。在多光譜圖像中搜尋、定義其自 然相似光譜集群的過程。它不必對影像地物獲取先驗知識，僅依靠影像上不同類地物光譜（或紋理）信息進(jìn)行特征提取，再統(tǒng)計特征的差別來達(dá)到分類的目的，最后對已分出的各個類別的實際屬性進(jìn)行確認(rèn)。
目前非監(jiān)督分類器比較常用的是ISODATA、K-MEAN 等鏈狀方法。
非監(jiān)督分類處理本案例的流程簡要：

1、影像分析

大體上判斷主要地物的類別數(shù)量。一般監(jiān)督分類設(shè)置分類數(shù)目比最終分類數(shù)量要多2-3倍為宜，這樣有助于提高分類精度。本案例的數(shù)據(jù)源為ENVI自帶的 Landsat tm5 數(shù)據(jù)Can-tmr.img, 類別分為：林地、草地/灌木、耕地、裸地、沙 地、其它六類。

2、分類器選擇

ISODATA重復(fù)自組織數(shù)據(jù)分析技術(shù)，計算數(shù)據(jù)空間中均勻分布的類均值，然后用最小距離技術(shù)將剩余像元進(jìn)行迭代聚合，每次迭代都重新計算均值，且根據(jù)所得的新均值，對像元進(jìn)行再分類。
K-MEAN使用了聚類分析方法，隨機(jī)地查找聚類簇的聚類相似度相近，即中心位置，是利用各聚類中心對象的均值所獲得一個中心對象來進(jìn)行計算的，然后迭代地重新配置它們，完成分類過程。

3、影像分類

打開ENVI,選擇主菜單->Classificatio->Unsupervised->IsoData或者K-mean。如選擇IsoData,在選擇文件時，可以設(shè)置空間或光譜裁剪區(qū)。如選擇Can-tmr.ing,按默認(rèn)設(shè)置，之后跳出參數(shù)設(shè)置，如圖1-6：ISODATA非監(jiān)督分類結(jié)果。

1-6分類結(jié)果

4、 類別定義

在display中顯示原始影像，在display->overlay->classification,選擇ISODATA分類結(jié)果，如圖所示，在Interactive Class Tool面板中，可以選擇 各個分類結(jié)果顯示。如圖1-7：

圖1-7影像與分類結(jié)果的疊加
Interactive Class Tool面板中，選擇Option->Edit class colors/names。 通過目視或者其他方式識別分類結(jié)果，填寫相應(yīng)的類型名稱和顏色。如圖1-8所 示為最終結(jié)果。

圖1-8類別定義結(jié)果

5、分類后處理

對顏色的分類，統(tǒng)計分析等參考監(jiān)督分類。

6、 結(jié)果驗證

參照監(jiān)督分類

三、小結(jié)

由此案例可得監(jiān)督分類與非監(jiān)督分類：
區(qū)別：非監(jiān)督分類的關(guān)鍵部分是類別定義。此過程需要數(shù)據(jù)的支持，甚至需要組織野外實地調(diào)查。
監(jiān)督分類中的樣本選擇和分類器的選擇較關(guān)鍵。在樣本選擇時，為了更加清楚的查看地物類型，可以適當(dāng)?shù)膶D像做一些增強(qiáng)處理。
兩者的根本區(qū)別是在于是否利用訓(xùn)練場地來獲取先驗的類別知識。

優(yōu)缺點：

優(yōu)點：可充分利用分類地區(qū)的先驗知識，預(yù)先確定分類的類別；可控制訓(xùn)練樣本的選擇；可避免非監(jiān)督分類中對光譜集群組的重新歸類等。
缺點：人為主觀因素較強(qiáng)；訓(xùn)練樣本的選取和評估需花費(fèi)較多的人力，時間等。

非監(jiān)督分類：

優(yōu)點：無需對分類區(qū)域有廣泛的了解，僅需一定的知識來解釋分類出集群組；人為誤差小；獨特的，覆蓋量小的類別均能被識別；簡單，速度快等。
缺點：對其結(jié)果進(jìn)行大量處理后，才能得到可靠分類結(jié)果；不能精確控制分類的類別數(shù)等。

掃碼關(guān)注公眾號，了解更多文章

三山半落，一水中分。地縱經(jīng)緯，理入乾坤。 ~蘭州交通大學(xué)地理信息科學(xué)愛好者集散地，歡迎你的加入~

總結(jié)

以上是生活随笔為你收集整理的遥感图像分类的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。