ENVI：如何进行遥感图像的分类?(支持向量机模型)
目录
01 阅读前要
02 支持向量机分类
2.1 加载需要进行分类的影像
2.2 影像的假彩色合成
2.3 创建ROIs
2.3.1 为什么要创建ROI？（涉及机器学习的相关知识）
2.3.2 创建训练样本
2.3.3 保存训练样本的ROI
2.3.4 创建验证样本 + 保存验证样本的ROI
2.4 加载训练样本
2.5 去除异常值
2.5.1 计算各种标签的ROI分离度
2.5.2 分析ROI分离度报告并进行相关处理
2.6 训练支持向量机模型
2.6.1 找到支持向量机算法的工具并点击
2.6.2 输入需要进行分类的影像文件
2.6.3 支持向量机模型的各项参数设置
2.7 分类好之后的影像结果展示
2.8 模型评估
2.8.1 关闭训练样本（分类样本）ROI文件
2.8.2 打开验证样本ROI文件
2.8.3 加载的验证样本ROI展示
2.8.4 找到混淆矩阵分析的工具并点击打开
2.8.5 选择需要进行混淆矩阵分析的图像
2.8.6 将分类图像的标签与验证样本ROI的标签一一对应
2.8.7 输出的形式设置
2.8.8 混淆矩阵输出和简单分析
2.8.9 保存混淆矩阵
01 阅读前要
这里主要列举了监督分类中的支持向量机的操作，以及对分类之后的图像分类效果分析（其实是对模型分类效果的评估）。
另外，支持向量机是机器学习里面的一种，那么了解机器学习的流程步骤就显得尤为重要。
1.获取数据 ====> 创建ROIs
2.数据基本处理 ====> 去除异常值等
3.特征工程 ====> 特征值标准化等等
4.模型训练 ====> 确定好机器学习模型的各项参数而后进行训练
5.模型评估 ====> 分类后处理（其中3，4在你选择某一个模型工具时就会融入其中，你只需要指定一些参数即可。）
02 支持向量机分类
2.1 加载需要进行分类的影像
加载的影像展示
（这是进行了2%的线性拉伸）
2.2 影像的假彩色合成
为什么要进行假彩色合成？ ====> 为了能肉眼更好的区分各种地物的颜色，使之更为突出明显。
进行假彩色合成之后的影像展示
2.3 创建ROIs
2.3.1 为什么要创建ROI？（涉及机器学习的相关知识）
一个ROI就是一个小样本。这个ROI所在区域的像素颜色等等就是这个ROI的一个个特征项（这些特征项无需用户自己进行计算和挑选，ENVI会自行进行分辨并得出）。另外对于每一个ROI都应该对应有一个标签或者说是目标值（譬如这个ROI对应是林地，林地就是这个ROI的标签或者说是目标值。但是，请注意，并不是所有的分类中样本都需要标签，这取决于你的分类是否属于监督分类，监督分类就需要每一个样本拥有标签或者说是目标值）。
那么机器学习模型（此处是支持向量机）在干什么呢？实际上，支持向量机模型就是根据你给出的样本去分析为什么这个样本拥有这样子的特征值就会带有这个标签，然后从众多的样本中找出规律(此时模型就训练完毕了)。那么你再给出整幅影像给模型让其分辨出哪一个像素应该属于哪一个标签，这样子模型会根此前在你给出的样本中找出的规律进行分辨，对每一个像素打上一个标签。最后整幅图像就是分类好了的图像。
说白了，就是看图识物。图就是ROI，物就是图的标签。让你分辨你也可以分辨出来（假定你就就是一个机器学习模型），我先告诉你这种颜色风格的图表示林地，那种颜色风格的图表示耕地，下次我只告诉你图的颜色风格，那么我请你告诉我这幅图表示什么地物？想必你应该可以回答出来。对于颜色风格，ENVI里面会用多种特征项去衡量，即每一个样本都会由几个种类的特征值；对于图表示什么，其实对应于图的标签或者就是ROI的标签。
其实你觉得上面就完成了模型的全部吗？其实不然，我们还没有衡量这个模型的好坏或者说这个模型对图像的区分效果到底如何？这就还需要用到我们创建的ROI，不过这次用来验证的ROI绝对不能是之前用来训练模型的ROI，否则这次训练是无效的（这很显然是无效的，这类似于考试，平时的训练我给你出了一些题目，然后还给了你标准答案，让你去分析除这一类题目的解法。考试的时候我当然不应该还将之前出过的题目用来考试了，而是应该用类似的题目来考考你，看看你和标准答案之间的区别，如果区别不大那么说明你已经领悟到了这类题目是如何进行计算处理的，如果你给出的答案和标准答案出入很大，那么说明你还没有理解这类题目到底该如何进行计算。这对应于模型也是类似的。）
最后我其实是想告诉你，我们的ROI应该分为两类，一类是训练样本，另一类是验证样本。但是比例需要控制一下，一般是训练样本的数量占7成，验证样本的数量占3成，当然这并不是一定的，但大致在这个范围。
2.3.2 创建训练样本
2.3.3 保存训练样本的ROI
2.3.4 创建验证样本 + 保存验证样本的ROI
这两项操作的步骤和之前的创建训练样本+保存训练样本的ROI是完全一样的步骤，所以你无需更改任何步骤，除了保存时路径名不要和之前重叠将其覆盖即可。这里不再演示。
2.4 加载训练样本
现在模型还没有训练，所以需要先将训练样本加载进来用于训练支持向量机模型。
加载进来的训练ROI展示
2.5 去除异常值
对于一些ROI，我们可能绘制的不是很好，但是怎么评判呢？ ==> 使用ROI分离度。所谓ROI分离度，就是指不同标签的ROI之间可以区分的概率或者说是明显度，说通俗点就是ENVI通过算法有多大把握可以将各种标签的ROI正确的区分开来。
ROI分离度范围是[0, 2]之间，当两种ROI的分离度小于1.9时，你需要考虑你绘制的ROI有没有出现纰漏，然后修改或者删除某一个或者某一些ROI。
2.5.1 计算各种标签的ROI分离度
2.5.2 分析ROI分离度报告并进行相关处理
2.6 训练支持向量机模型
2.6.1 找到支持向量机算法的工具并点击
2.6.2 输入需要进行分类的影像文件
2.6.3 支持向量机模型的各项参数设置
2.7 分类好之后的影像结果展示
2.8 模型评估
现在要对分类好之后的图像进行混淆矩阵分析，需要使用到我们之前的验证样本ROI。差不多理解就是对于支持向量机模型分类号的图像，我们拿到参考答案（验证样本ROI）一个一个像素去对照，看看有没有像素分类错误。当然，我现在说的其实并不是太标准，但是大致思路就是如此。
2.8.1 关闭训练样本（分类样本）ROI文件
2.8.2 打开验证样本ROI文件
2.8.3 加载的验证样本ROI展示
2.8.4 找到混淆矩阵分析的工具并点击打开
2.8.5 选择需要进行混淆矩阵分析的图像
2.8.6 将分类图像的标签与验证样本ROI的标签一一对应
2.8.7 输出的形式设置
2.8.8 混淆矩阵输出和简单分析
2.8.9 保存混淆矩阵
如果你有必要保存混淆矩阵，可以参照下面步骤。
<p>炒茄子</p>
ENVI：如何进行遥感图像的分类?(支持向量机模型)相关推荐
- 遥感图像计算机自动分类原理,第30讲：8.1遥感图像自动识别分类
遥感是在不直接接触的情况下,对目标物或自然现象远距离感知的一门探测技术.具体地讲是指在高空和外层空间的各种平台上,运用各种传感器获取反映地表特征的各种数据,通过传输.变换和处理,提取有用的信息,实现研 ...
- 高光谱遥感图像的分类
5.高光谱遥感数据监督分类 高光谱图像数据将地物光谱信息和图像信息融为一体,其数据具有几何空间.光谱特征空间两类表达方式. 几何空间:直观表达每个像元在图像中的空间位置以及它周边像元之间的相互关系,为 ...
- 遥感图像场景分类常用数据集
1. UC Merced Land-Use Data Set contains 21 scene classes and 100 samples of size 256x256 in each cla ...
- 遥感图像场景分类方法总结
遥感图像场景分类一般假定相同类别的场景应该共享相似的特征信息,基于此,遥感图像场景分类方法可以分为三大类:基于底层视觉特征,基于中层视觉表达,基于高层视觉信息. 底层视觉特征:直接提取遥感图像的光谱, ...
- 《遥感原理与应用》总结——遥感图像自动识别分类
目录 遥感图像自动识别分类 1.基础知识 2.特征变换及特征选择 3.监督分类 4.非监督分类 5.非监督分类与监督分类的结合 6.分类后处理和误差分析 7.提高分类精度的方法 8.基于目标的信息提取 ...
- 基于迁移深度学习的遥感图像场景分类
前述 根据语义特征对遥感图像场景进行分类是一项具有挑战性的任务.因为遥感图像场景的类内变化较大,而类间变化有时却较小.不同的物体会以不同的尺度和方向出现在同一类场景中,而同样的物体也可能出现在不同的场 ...
- python遥感影像地物分类_基于轻量化语义分割网络的遥感图像地物分类方法与流程...
本发明属于图像处理 技术领域: ,特别涉及一种地物分类方法,可用于土地利用分析.环境保护以及城市规划. 背景技术: :遥感图像地物分类,旨在取代繁琐的人工作业,利用地物分类方法,得到输入遥感图像的地物 ...
- 2021年 遥感图像目标检测SOTA模型及排行榜
2021年 遥感图像目标检测SOTA模型及排行榜 本文禁止转载!!! Baseline: DOTA1.0 (Task1) DOTA1.0 (Task2) 可视化 不同模型性能(mAP+文章+源码): ...
- 对遥感图像的分类处理综合应用
此次作业为作者课设内容,发表出来供大家参考以及交流,有什么问题咱们也可以交流,我对遥感方面的学习很浅薄片面,正在努力往深层次学习.此次课设做的很笼统,也不属于浅显易懂的,如果有那些步骤不明白,可以私信 ...
- ENVI：如何进行遥感图像的分类？(决策树模型)
目录 01 决策树模型的简单介绍 02 实操 2.1 加载遥感影像以及对应的DEM影像 2.2 新建决策树 2.2.1 找到 新建决策树 工具并点击打开 2.2.2 决策树的编辑 2.2.3 NDVI ...
最新文章
- python 删除字符串中重复的元素
- mysql 慢日志 作用_MySQL慢查询日志的作用和开启
- 从零开始学习PYTHON3讲义(一)认识Python
- python 转 exe -- py2exe库实录
- 静态NAT技术三部曲
- 2020\Simulation_2\3.单词重排
- (转)通过maven，给没有pom文件的jar包生成pom文件，maven项目引入本地jar包
- jmeter+ant+jenkins接口自动环境搭建
- nuxt实现服务端渲染查看源代码显示动态接口数据
- BurpSuite使用详解（三）Spider功能
- 级联查询ajax,ajax级联查询
- 英语 —语法— 句子成分
- unity 移动开发优化二 图形优化，脚本优化概述
- qt修改程序图标名称_【Qt开发】更改应用程序图标和任务栏图标
- wms地图绘制工具_地图空间分析工具MapViewer下载-地图空间分析(MapViewer)下载v8.4.406 官方版-西西软件下载...
- 对一个windows2000注册表项的粗略分析(转)
- 笔记本桌面上计算机图标没有了6,笔记本电脑桌面显示没了怎么办呢
- bugku 不好用的CE WriteUp
- 解决虚拟机中centos7中安装完毕后无法联网显示Server not found如何解决?
- c语言皮尔森系数程序,pearson coefficient (皮儿森相关系数)计算及R语言实现 zz