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
无监督和有监督的图像分类是两种最常见的方法。但是,基于对象的分类由于对高分辨率数据很有用,因此越来越受欢迎。
无监督分类
在无监督分类中,它首先根据像素的属性将其分组为“簇”。然后,用土地覆盖类别对每个群集进行分类。
总的来说,无监督分类是最基本的技术。由于不需要样本进行无监督分类,因此这是分割和理解图像的简便方法。
无监督分类的两个基本步骤是:
产生集群
分类
使用遥感软件,我们首先创建“集群”。一些常见的图像聚类算法是:
Kmean
ISOData
选择了聚类算法后,您可以确定要生成的组数。例如,您可以创建8、20或42个群集。较少的群集在组内具有更相似的像素。但是更多的群集会增加组内的可变性。
需要明确的是,这些是未分类的集群。下一步是为每个群集手动分配土地覆盖类别。例如,如果要对植被和非植被进行分类,则可以选择最能代表植被和非植被的那些类。
监督分类
在监督分类中,您为每个土地覆盖类别选择代表性样本。然后,软件将使用这些“训练样本”,并将其应用于整个图像。
监督分类的三个基本步骤是:
选择训练集
生成文件
分类
对于监督图像分类,您首先要创建训练样本。例如,您通过在图像中标记城市区域来标记它们。然后,您将继续添加代表整个图像的训练样本。
对于每类的土地,您将继续创建训练样本,直到每个类别都有代表性的样本为止。反过来,这将生成一个文件,该文件存储所有训练样本的光谱信息。
最后,最后一步是使用文件来运行分类。从这里,您将必须选择一个分类算法,例如:
最大似然
最小距离
PCA
支持向量机(SVM)
ISO集群
如多项研究所示,SVM是遥感中最好的分类算法之一。但是每种选择都有其自身的优势,您可以自己进行测试。
基于对象的图像分析(OBIA)
有监督和无监督分类是基于像素的。换句话说,它创建正方形像素,每个像素都有一个类。但是基于对象的图像分类将像素分为具有大小和几何形状的代表性矢量形状。
以下是执行基于对象的图像分析分类的步骤:
执行多分辨率分割
选择训练集
定义统计
分类
基于对象的图像分析(OBIA)通过对像素进行分组来分割图像。它不会创建单个像素。相反,它将生成具有不同几何形状的对象。如果您拥有正确的图像,则对象可能非常有意义,以至于可以为您进行数字化。例如,下面的分割结果突出显示了建筑物。
两种最常见的细分算法是:
ECognition中的多分辨率分割
在ArcGIS中分段均值漂移
在基于对象的图像分析(OBIA)分类中,可以使用不同的方法对对象进行分类。例如,您可以使用:
形状:如果要对建筑物进行分类,则可以使用形状统计信息,例如“矩形拟合”。这会将对象的几何形状测试为矩形。
纹理:纹理是对象的同质性。例如,水主要是均匀的,因为它主要是深蓝色的。但是森林有阴影,绿色和黑色混合在一起。
光谱:您可以使用光谱特性的平均值,例如近红外,短波红外,红色,绿色或蓝色。
地理环境:对象在邻居之间具有接近度和距离关系。
最近邻分类:最近邻(NN)分类类似于监督分类。在进行多分辨率分割之后,用户可以为每个土地覆盖类别识别样本站点。接下来,他们定义统计信息以对图像对象进行分类。最后,最近邻居根据对象与训练地点的相似程度以及定义的统计信息对对象进行分类。
遥感数据趋势
1972年,Landsat-1是第一颗以60米分辨率采集地球反射率的卫星。目前,无监督和监督分类是可用的两种图像分类技术。对于此空间分辨率,这已足够。
但是,OBIA作为数字图像处理技术已得到显着发展。
基于对象的分类
多年来,对遥感数据的需求不断增长。有数百种遥感应用。例如,对食品安全,环境和公共安全的需求很高。为了满足需求,卫星图像的目标是在更宽的频率范围内获得更高的空间分辨率。
遥感数据趋势:
更普遍
更高的空间分辨率
频率范围更广
但是,高分辨率图像不能保证更好的土地覆盖。所使用的图像分类技术是提高准确性的非常重要的因素。
图像分类技术的选择
假设您要在高空间分辨率图像中对水进行分类。
您决定选择该图像中所有NDVI低的像素。但这也可能会误分类图像中不是水的其他像素。因此,基于像素的分类(如无监督和有监督的分类)看起来像盐和胡椒。
人类自然将空间信息聚合成组。多分辨率分割通过将同质像素分组为对象来完成此任务。经过多分辨率分割后,水特征很容易识别。这就是人类可视化空间特征的方式。
什么时候应该使用基于像素的(无监督和有监督的分类)?
什么时候应该使用基于对象的分类?
空间分辨率:低| 中| 高
如本文所述,空间分辨率是选择图像分类技术时的重要因素。
当您的空间分辨率较低时,传统的基于像素的图像分类技术和基于对象的图像分类技术都将表现出色。
但是,当您具有较高的空间分辨率时,OBIA会优于传统的基于像素的分类。
无监督vs有监督vs基于对象的分类
图像分类技术准确性评估
阿肯色大学的一项案例研究比较了基于对象的分类与基于像素的分类。目的是比较高和中空间分辨率的图像。
总体而言,基于对象的分类要优于无监督和基于像素的分类方法。因为OBIA同时使用频谱信息和上下文信息,所以它具有更高的准确性。这项研究很好地说明了基于像素的图像分类技术的局限性。
基于对象分类的增长
像素是图像中表示的最小单位。图像分类使用单个像素的反射率统计信息。
技术的进步和高空间分辨率图像的可用性已经有了很大的增长。但是也应该考虑图像分类技术。聚焦于基于对象的图像分析以提供高质量的产品。
根据Google Scholar的搜索结果,所有图像分类技术均显示出出版物数量的稳定增长。最近,基于对象的分类已显示出很大的增长。
该图使用“ AllinTitle:”搜索短语显示Google Scholar的年度搜索结果。
出版物图像分类技术的发展
如果您喜欢本图像分类技术指南,建议您下载遥感图像分类信息图。
参考文献:
1. Blaschke T, 2010. Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing 65 (2010) 2–16
2. Object-Based Classification vs Pixel-Based Classification: Comparitive Importance of Multi-Resolution Imagery (Robert C. Weih, Jr. and Norman D. Riggan, Jr.)
3. Multiresolution Segmentation: an optimization approach for high quality multi-scale image segmentation (Martin Baatz & Arno Schape)
4. Trimble eCognition Developer: http://www.ecognition.com
翻译:陨星落云
为了方便大家技术交流,欢迎大家加入测绘科学交流群!
扫码二维码关注我们了解更多精彩
你若喜欢,请转发点赞点广告点在看
阅读推荐如何批量往照片中添加经纬度和高程基于Python的遥感图像NDVI批处理使用Python和GDAL进行土地覆盖变化分析利用随机森林算法进行遥感图像分类MeanShift算法进行遥感图像分割
非监督分类ecognition_什么是遥感影像分类?相关推荐
- 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. ...
- 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 ...
- 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 ...
- 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 ...
- 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. ...
- 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 ...
- 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 ...
- 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 ...
- 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
- 【错误记录】Groovy 函数参数动态类型报错 ( Caught: groovy.lang.MissingMethodException: No signature of method )
- 利用“多说”制作留言板、评论系统
- java使用队列实现栈思路_算法面试:队列实现栈的方案
- 如何关闭父窗体?C#
- 日语学习-多邻国-关卡1-介绍2
- 精易模块保存html文档,精易模块6.60源码
- How to create a hyperlink in SQL Server Reporting Services
- 各国选手Techfest备战FMB世界杯,极战远征军斩获佳绩为国争光
- VSCode:vs code不识别wxss小程序相关文件
- 有人培训设计模式,吾表示难以理解,因为根本没用
- qq表情包html插件,jQuery QQ表情插件jquery.qqFace.js
- C4D插件X-Particles粒子特效(七)
- linux 内核 addr2line,linux内核调试技巧之addr2line
- 使用MATLAB求矩阵的偏导数,求向量对变量的偏导数问题
- 如何识别英文单词java,自动识别英文单词显示(Android+Java)
- RK3568的红外遥控
- mac系统,思科Cisco Anyconnect卸载之后,无法重新安装问题
- 散论陈寅恪先生《对科学院的答复》
- 关于在《python编程从入门到实践》书中练习“外星人大战”报错“AttributeError: ‘AlienInvasion‘ object has no attribute ‘blit‘”
- 中国网络创业的机遇与挑战
热门文章
- SCI论文署名需要注意的问题
- hyper-v无法连接本地计算机,Win10内置虚拟机Hyper-V如何联网 Hyper-V显示连接错误是无效操作的解决方法...
- mysql 字段变更记录_如何记录数据表信息的变更
- unity 学习笔记(五)简单场景烘焙
- call ntdll.RtlUnicodeStringToAnsiString
- 中企动力与企业同行者的那些点滴
- 世界上并无汉语编程——正如世界上并无英语编程
- 关于光端机的一些常见术语解释
- QQ登录第三方接口研究(1)----协议要点
- 从FLV中提取出音频(FLV转MP3)