搜索
浅谈监督分类与非监督分类——基于ENVI遥感影像信息提取方法内容概要遥感影像信息提取技术基础一遥感影像信息提取方法概述二方法适用范围三操作流程五分类方法的比较四结论六遥感影像信息提取技术基础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，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，即信息提取。遥感影像信息提取方法概述方法适用范围监督分类，又称“训练分类法”，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些地区中图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，同时用这些子类别对判决函数进行训练，使其符合于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。监督分类定义监督分类操作流程类别定义/特征判别分类器选择影像分类分类后处理样本选择结果验证平行六面体马氏距离最小距离神经网络最大似然二进制编码支持向量机光谱信息散度类别定义1.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.对影像进行特征判断，评价图像质量，决定是否进行影像增强等预处理。3.这个过程主要是一个目视查看的过程，为后面样本的选择打下基础。样本选择1.样本选择是非常重要的过程，直接影响分类精度2.在样本选择过程中，有很多辅助方法可以显示不同的假彩色合成窗口，也可以进行主成分分析后进行假彩色合成，由于除了波段间的相关性，不同地物区分的更加明显，还可以借助GoogleEarth辅助解译。3.各个样本类型之间的可分离性要好用Jeffries-Matusita，TransformedDivergence参数表示，这两个参数的值在0~2.0之间，大于1.9说明样本之间可分离性好，属于合格样本；小于1.8，需要重新选择样本；小于1.4，考虑将两类样本合成一类样本。监督分类器说明分类器说明平行六面体（Parallelpiped）根据训练样本的亮度值形成一个n维的平行六面体数据空间，其他像元的光谱值如果落在平行六面体任何一个训练样本所对应的区域，就被划分为其对应的类别中。最小距离（MinimumDistance）利用训练样本数据计算出每一类的均值向量和标准差向量，然后以均值向量作为该类在特征空间中的中心位置，计算输入图像中每个像元到各类中心的距离，到哪一类中心的距离最小，该像元就归入哪一类。马氏距离（MahalanobisDistance）计算输入图像到各训练样本的马氏距离，最终统计马氏距离最小的，即为此类别。最大似然（LIkelihoodClassification）计算给定像元属于某一训练样本的似然度，像元最终被归并到似然度最大的一类当中。神经网络（NeuralNetClassification）指用计算机模拟人脑的结构，用许多小的处理单元模拟生物的神经元，用算法实现人脑的识别、记忆、思考过程应用于图像分类。支持向量机（SupportVectorMachineClassification）一种建立在统计学习理论基础上的机器学习方法。自动寻找对分类有较大区分能力的支持向量，由此构造出分类器。非监督分类，也称为聚类分析或点群分析。即在多光谱图像中搜寻、定义其自然相似光谱集群组的过程。非监督分类不需要人工选择训练样本，仅需极少的人工初始输入，计算机按照一定规则自动地根据像元光谱或空间等特征组成集群组，然后分析者将每个组和参考数据比较，将其划分到某一类别中去。非监督分类定义非监督分类操作流程执行非监督分类类别定义合并子类评价分类结果分类方法选择K—MeanISODATA监督分类和分监督分类的比较分类方法优点缺点监督分类1.可根据应用目的和区域，有选择地决定分类类别；2.可控制训练样本的选择；3.可通过检查来决定训练样本是否被精确分类；4.可避免非监督分类中对光滑集群组的重新归类。1.容易造成多维数据空间各类别间产生重叠；2.类别内部方差大，没有很好的代表性；3.训练样本的选取和评估需要花费较多的人力和时间；4.只能识别所定义的类别,未定义的不能被识别。非监督分类1.不需要预先了解分类区域，需要一定的专业知识对集群组进行解释；2.人为误差的机会减少，所产生的类别更均质；3.独特的、覆盖量小的类别均能够被识别，不会造成丢失。1.所产生的集群组不一定对应分析者想要的分类类别；2.分析者较难对产生的类别进行控制；3.各类别的光谱特征会随时间、地形等变化，无法保持其连续性，从而使图像之间的对比变得困难。遥感影像的监督分类和非监督分类的理论、分类过程以及具体方法都不相同，在分类思路上有着本质的差别。因此，在影像分类上，这两种方法并不能够完全割裂开来，具体选择哪种方法取决于图像的特征、应用要求和所利用的计算机软硬件环境，根据实际的需要，合理科学灵活的运用这两种方法，必要时也可混合使用这两种方法，使影像分类达到预期的目的。结论THANKS