运用ArcGIS进行影像分类
影像分类的目的就为了将图像中的像元划分成不同的类别,过程就是根据像元在不同波段的波普亮度、空间结构特征或者其他信息,按照某种规则或算法实现分类。遥感图像分类处理就是是为了提取遥感图像中的目标信息,遥感图像分类主要用于地物类别的区分。
影像分类分为监督分类和非监督分类,很多遥感书籍中都有这两种分类方法的比较。这里我结合ArcGIS软件简单整理一下:
监督分类
监督分类是使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。其中这些已被确认类别的像元就是训练样本。也就是说,在监督分类中,必须事先提取出代表总体特征的训练数据以及事先知道影像中有几种类别。这样就可以学习这些样本类别的先验知识,然后对整体数据进行分类。
在 ArcGIS 中,首先使用 Image Classification 工具条中的训练样本管理器,创建训练样本。
在创建样本之后,我们可以评估训练样本,使用直方图、散点图、统计数据。
(1)直方图
打开直方图,每个波段对应一个直方图。不同类的直方图不应重叠。如果发生重叠,则需要删除或合并其中一些类。
直方图按钮仅用于整型影像,不适用于浮点型。
(2)散点图
散点图是参加分类的影像数据的波段的两两组合,如果有N个波段,就有1 + 2 + … + (N – 1) 个散点图。
对于所有波段组合,散点图和统计数据不应彼此重叠。
(3)统计数据
统计数据包括最小值、最大值、平均值、标准差和协方差矩阵。
创建训练样本后,可以使用交互式监督分类工具,探索性的直接查看分类结果。这个工具不需要事先创建特征文件,工具后台使用的是最大似然法分类方法。
在ArcGIS 中,监督分类的主要GP工具是 最大似然法分类工具(Maximum Likelihood Classification)。
(1)需要使用 特征文件(Signature File),既可以是通过训练样本制作的,也可以是ISO聚类工具求取,*.gsg文件。
(2)可以根据需要设置 剔除分数(Reject Fraction ),例如0.01。这样表示,正确分类的几率不到 1% 的像元就会成为 NoData。
(3)先验概率(priori probability),工具默认使用 Equal 先验概率,会给像元分配可能性最大的分类。但是,如果某些类出现的可能性大于(或小于)平均值,则应将 FILE 先验选项与输入先验概率文件结合使用。输入先验概率文件必须是包含两列的 ASCII 文件。左列中的值表示类 ID。右列中的值表示相应类的先验概率。类别先验概率的有效值必须大于或等于零。如果指定零作为概率,则类无法显示在输出栅格中。指定先验概率的总和必须小于或等于1。
(4)最大似然法分类工具还可以附带可选生成 置信栅格(confidence raster),这样可以了解每个像元的正确分类的概率。
非监督分类
非监督分类不预先确定类别,而是直接对相似的像元进行归类,根据归类的结果来确定类别。也就是在事先没有任何先验知识的情况下对未知类别的样本进行分类。当我们没有训练区,有对研究区不熟悉时,或者对图像中包含的目标物不明确的时候,采用此方法。
在 ArcGIS 中进行非监督分类,主要使用工具 ISO聚类非监督分类工具(Iso Cluster Unsupervised Classification)。
需要指定希望分出来的类别的数量,并且根据需要调整迭代的次数、类的最小尺寸、采样间隔。
ISO 是 iterative self-organizing 的缩写,也就是迭代自组织方法。此工具的工作原理从帮助中扒出来,供参考:
iso 聚类算法是一种迭代过程,用于在将各个候选像元指定给聚类时计算最小欧氏距离。该过程从处理软件指定的任意平均值开始,每个聚类一个任意平均值(您指定聚类数量)。将每个像元指定给最接近的平均值(多维属性空间中的所有平均值)。基于首次迭代后从属于每个聚类的像元的属性距离,重新计算各个聚类的新平均值。重复执行此过程:将各个像元指定给多维属性空间中最接近的平均值,然后基于迭代中像元的成员资格计算各个聚类的新平均值。您可通过迭代次数指定该过程的迭代次数。该值应该足够大,才能确保执行指定次数的迭代后,像元从一个聚类迁移至另一个聚类的次数最少;从而,使所有聚类变为稳定状态。迭代次数应该随着聚类数的增加而增加。
运用ArcGIS进行影像分类相关推荐
- arcgis栅格邻域统计_运用ArcGIS进行影像分类
影像分类的目的就为了将图像中的像元划分成不同的类别,过程就是根据像元在不同波段的波普亮度.空间结构特征或者其他信息,按照某种规则或算法实现分类.遥感图像分类处理就是是为了提取遥感图像中的目标信息,遥感 ...
- ArcGIS教程:什么是影像分类?
影像分类是从多波段栅格影像中提取信息类的任务.基于影像分类生成的栅格可用于创建专题地图.根据分析人员与计算机在分类过程中的交互情况,将有两种类型的分类:监督分类和非监督分类. 在 ArcGIS Spa ...
- ArcGIS影像分类并构建生态廊道 |第八届GIS技能大赛解题(附数据下载)
动物需要在不同的森林公园之间迁徙交流,在经过不同的地表时,动物迁徙的困难程度是不一样的,如经过草地林地比较容易,而经过水域和道路时则比较困难.在不同的公园之间构建生态廊道,保护动物的迁徙. 01 数据 ...
- ArcGIS提取影像或栅格数据边界
ArcGIS提取影像或栅格数据边界 根据博主查阅过栅格数据或影像数据提取边界的方法后,用了一种比较非常规的方法提取影像边界. 以多波段遥感影像提取边界为例 加载遥感影像并通过波段提取出单波段影像. 主 ...
- 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 ...
- arcgispro 影像分类
打卡arcgis pro ,新建一个地图:VegDetectionArcGISPro,更改名称和存储位置 2.加载遥感影像(或者分类样本文件),点击地图--添加数据--数据(或者可以直接拖拽进去) 3 ...
- 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 ...
- 多光谱影像分类(双通道CNN实现)
1.介绍 2017年IEE IGRASS多光谱影像分类比赛,选用两个卫星landsat_8和sentinel_2所拍摄的多光谱图像作为输入,输出像素级分类图像.其中landsat_8有4个时段的影像数 ...
- 掩膜裁剪tif步骤_ENVI中掩膜掩膜操作及影像分类教程(转)
ENVI 中掩膜掩膜操作及影像分类教程 ( 转 ) 上一篇 / 下一篇 2008-11-25 15:41:31 / 个人分类: 收藏 查看 ( 179 ) / 评论 ( 0 ) / 评分 ( 0 / ...
最新文章
- c++代码转为go_Go与C/C++ 互相调用
- Play Framework 2.5 整合 MyBatis
- iis下 ActiveSync插件无法访问(下)
- 个人比较喜欢的JS网页跳转传值
- 北京交通大学计算机学院篮球,院际杯篮球赛|男篮小组赛第四轮战报
- 毕设题目:Matlab图像融合
- 老式计算机如何设置u盘启动,旧主板bios界面设置U盘启动教程
- python模拟用户登录代码_Python模拟用户自动登陆网易126邮箱源码详解
- ffdshow 源代码分析 8: 视频解码器类(TvideoCodecDec)
- Python自动化体系学习思维导图、知识点整理
- java手机充值_话费充值示例代码
- CSAPP实验记录(二)Bomb Lab
- 如何用计算机制作动态图,电脑怎么制作gif动态图
- EFM32片内外设--VCMP 基本操作
- 两年多的社招经验分享,我的跳槽经验总结(含阿里滴滴美团快手头条)
- 360做专业手机电商平台还是有搞头
- 谈谈对数据治理的理解
- 信必优新技术–QA 的新机遇
- 新月已冉冉升起.ALOKEX永续合约统领市场已成定局
- 一文读懂什么是自由城Free City
热门文章
- 计算机网络与安全专业属工程类,信息安全专业属于什么专业类别
- batik详解(1) 转载
- 哥德尔不完备性定理——从数学危机到哲学危机
- SimCC: a Simple Coordinate Classification Perspective for Human Pose Estimation 阅读笔记
- IDM下载百度云资源
- OCR数据集生成利器—TextRecognitionDataGenerator
- keil 跳转不了(Go To Definition “XXX”失败)
- 仓山工业机器人_2019年福建省机器人行业企业名录127家
- 生物医学工程方向——SCI投稿经验分享 (Ultrasound in Medicine Biology)
- enumerate在python中是什么意思_python中enumerate的用法实例解析