基于光谱的分类方法

1.概要

  • 灰度分割
  • 非监督分类： ISODATA、K-Means
  • 监督分类：基于传统统计分析分类器（平行六面体、最小距离、马氏距离、最大似然）【分类器】
  • 基于人工智能分类器（神经网络）【分类器】
  • 基于模式识别分类器（支持向量机、模糊分类)【分类器】
  • 针对高光谱有波谱角（SAM），光谱信息散度，二进制编码。

2.详细介绍

2.1 灰度分割

对于单波段影像，主要用于温度、植被类型、地形等分割。右键 Raster color slice。把slices以后的结果保存为分类图像，右键 export color slices—class image 也可以统计分类结果。

 2.2 监督分类

处理过程：
①定义类别，选择样本（ROI tools），4.7.3波段/7.4.3波段
计算样本的可分离性：toolbox/Regions of Interest/ROI Separability或者ROI tools工具的options下的compute ROI seperability
有Jeffries-Matusita, Transformed Divergence 2个参数表示，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，考虑将两类样本合成一类样本。一般最痛苦的就是这些植被的分类，到底啥是草地地、啥是林地，啥是园地、啥是灌木、啥是耕地？？？？？更可怕的有人做耕地类型细分，比如分棉花、水稻、小麦。。。。这个目前简单地目视解译是会怀疑人生的。
②选择一种分类器进行分类

  • 1.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，就被划分其对应的类别中。

  • 2.最小距离(minimum distance)

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，该像元就归入到哪一类。

  • 3.马氏距离(mahalanobis distance)

计算输入图像到各训练样本的协方差距离（一种有效的计算两个未知样本集的相似度的方法），最终协方差距离最小的，即为此类别。

  • 4.最大似然(likelihood classification)

假设每一个波段的每一类统计都呈正态分布，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。

  • 5.神经网络(neural net classification)

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。

  • 6.支持向量机(Support Vector Machine)

支持向量机分类（Support Vector Machine或SVM）是一种建立在统计学习理论（Statistical Learning

Theory或SLT）基础上的机器学习方法。SVM可以自动寻找那些对分类有较大区分能力的支持向量，由此构造出

分类器，可以将类与类之间的间隔最大化，因而有较好的推广性和较高的分类准确率。

  • 7.波谱角(spectral angle mapper )

它是在N维空间将像元与参照波谱进行匹配，通过计算波谱间的相似度，之后对波谱之间相似度进行角度的对比，较小的角度表示更大的相似度。

例如：支持向量机SVM，核默认为RBF网络

③分类后处理 （可选项）
更改类别颜色：可以在图层管理器中对相应的地类对应的颜色进行修改。从表观上进行判断，分类是否合适。
分类统计分析 ：toolbox->Classification->Post Classification->Class Statistics。包括基本统计：类别的像元数、百分比、最
大最小值、平均值等，直方图，协方差，特征向量、相关性矩阵等信息。
斑点处理：
Majority/Minority分析【并到最多的/最少的里面去】
Clump：小斑块合并到大类中，聚类
Sieve：会出现黑点，会删除细小图斑
效果最好的一般是majority
栅矢转换：
打开toolbox->Classification->Post Classification->Classification to Vector，可以将分类后得到的结果转化为矢量格式，或者toolbox->Vector->Raster to Vector，在选择输出参数时候，可以选择特定的类别，也可以把类别单独输出为矢量文件或者一个矢量文件。
④结果验证
精度分析：选择的感兴趣区（验证样本区）的方法:可以用高精度影像（既可以用来做样本，也可以用来做精度验证的数据），或从野外实地调查获取。或标准的分类图。
生成随机样本。
混淆矩阵（Confusion Matrix using truth ROIs）    Overall Accuracy、Kappa系数
ROC曲线（ROC Curves）可以用图形的方式表达分类精度，比较形象。

2.3 非监督分类

处理步骤：

①分类器选择：ENVI包括了ISODATA和K-Mean方法

  • 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。
  • 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。
②影像分类
toolbox->Classification->Unsupervised->IsoData或者K-Means。
大体上判断主要地物的类别数量。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。
例如，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。 迭代次数（Maximum Iteration）为10。

③类别判定

类别定义：Toolbox—raster management—edit envi header。在header info中，选择edit attributes— classification info，输入相应的类型。

类别合并：Toolbox— Classification--Post Classification - Combine Classes。把同一类的类别合并成一类，

④分类后处理

与监督分类一样

⑤分类精度验证

与监督分类一样

【ENVI遥感影像分类】 监督、非监督分类相关推荐

  1. 非监督分类ecognition_什么是遥感影像分类？

    什么是遥感影像分类? 图像分类是将土地覆盖物类别分配给像素的过程.例如,类包括水,城市,森林,农业和草地. 遥感中的三种主要图像分类技术是: 无监督图像分类 监督图像分类 面向对象的图像分类 无监督和 ...

  2. 高光谱遥感影像分类研究进展 --- （15年论文，方法主要是常规处理，但是写的比较细）

    论文地址 高光谱遥感影像分类研究进展 南大.矿大.河海 15年的文章比较老,科普文,但是理论总结和语言用词都比较扎实 在总结分类策略的基础上,重点从以核方法(SVM)为代表的新型分类器设计.特征挖掘. ...

  3. python遥感影像分类代码_【博客翻译】使用 Python Tensorflow 实现简单的神经网络卫星遥感影像分类...

    Landsat 5 多光谱数据分类指导手册原作者:Pratyush Tripathy 翻译:荆雪涵 姐妹篇雪涵:[博客翻译]CNN 与中分辨率遥感影像分类​zhuanlan.zhihu.com 深度学 ...

  4. 八邻域轮廓跟踪算法_结合mRMR选择和IFCM聚类的遥感影像分类算法

    随着遥感成像技术的发展,高分遥感影像空间分辨率逐年提高,已经成为获取地物信息的主要数据来源之一.高分影像分类作为遥感影像处理的重要任务之一,在地理国情普查与监测.数字城市建设.城市规划等领域具有广阔的 ...

  5. 手把手教程：零基础使用MATLAB完成基于深度学习U-Net模型的遥感影像分类

    背景: 很多初入深度学习的学生都会遇到各种环境配置问题,环境搭建不好模型就跑不了,所以这是限制新手的一大难点,MATLAB具有成熟的运行环境,无需配置,这点对于想跑通一个深度学习模型的新手是非常有利的 ...

  6. 遥感影像分类算法C++实现(一)

    遥感影像分类算法C++实现(一) 简述:本文记录一些利用C++处理遥感影像的学习过程与方法,希望各位批评指正 文章目录 遥感影像分类算法C++实现(一) 前言 一.VS安装 二.GDAL库 1.下载G ...

  7. 我对遥感影像分类的理解（1）

    研究遥感影像首先要拿到影像数据,常见的有全色.rgb.多光谱.高光谱和超光谱.全色图像由于没有滤波过程,因此观察相同的空间维度,其空间分辨率要比rgb图像高得多.rgb图像本质上是红(0.630~0. ...

  8. python遥感影像分类代码_python,sklearn,svm,遥感数据分类,代码实例

    python,sklearn,svm,遥感数据分类,代码实例,数据,函数,精度,遥感,路径 python,sklearn,svm,遥感数据分类,代码实例 易采站长站,站长之家为您整理了python,s ...

  9. 面向对象的高分辨率遥感影像分类实例

    一.为什么要使用面向对象 传统的基于像素的遥感影像处理方法都是基于遥感影像光谱信息极其丰富,地物间光谱差异较为明显的基础上进行的.对于只含有较少波段的高分辨率遥感影像,传统的分类方法,就会造成分类精度 ...

  10. 如何制作用于遥感影像分类的高分辨率遥感影像数据集？

    How to make high resolution remote sensing image dataset? github地址 0.引言 根据自身需要制作遥感影像数据还是很具有现实意义:   第 ...

最新文章

  1. c语言字符串的计算方法
  2. Spark _17 _SparkShuffle、HashShuffleManager、SortShuffleManager
  3. CEF编译 执行gn args out\Release_GN_x86异常
  4. ActiveReports 报表控件官方中文新手教程 (1)-安装、激活以及产品资源
  5. 微信生态下的营销洞察
  6. 不规则多边形填充_花一分钟看一个案例，PPT中图片填充形状的应用
  7. mysql查询临时表是否存在_[转]SQL判断临时表是否存在
  8. 总有几位老师让你一生感激不尽----我的大学老师
  9. 凸优化第九章无约束优化 9.1 无约束优化问题
  10. 探讨【IGE】的源代码【二】。
  11. 十年里程碑 vivo X80铸造高端手机的主色调
  12. iOS之iCloud云存档实现笔记
  13. js实现数组扁平化的6种方法
  14. JavaScript Core -- 不可小视的标点符号
  15. 感恩节 今天，留一天时间感谢自己
  16. 宽带连不上网原因及解决办法
  17. Linux内核调试技术指南
  18. 大话系列 | 逻辑回归的入门与优化
  19. 第8天-信息收集——站点搭建,WAF等
  20. 公有iot私有iot架构_玩洋葱Omega IoT设备在OLED屏幕上显示实时血糖

热门文章

  1. ora-01033 解决方法
  2. 如何将数字转化为中文大写
  3. 一些网站后台模板源码分析
  4. 继电保护整定值计算软件_继电保护整定计算软件
  5. 电机控制方法以及区别
  6. 小程序订阅消息（服务通知）实现 wx.requestSubscribeMessage
  7. 【经验】Namisoft盘点电机扭矩的测量方法有哪些
  8. 高级Java开发人员最常访问的几个网站
  9. vm安装windows出问题：加载驱动程序 缺少计算机所需的介质驱动程序。这可能是DVD，U盘或者硬盘驱动程序如果你有包含该驱动程序的CD，DVD或U盘，请立即插入 注意：如果windows安装介..
  10. 缺少计算机所需的介质驱动程序6,缺少计算机所需的介质驱动程序解决办法