1、圖像分類(lèi)和分類(lèi)后處理、遙感數(shù)字圖像處理數(shù)據(jù)格式介紹和圖像統(tǒng)計(jì)描述三種數(shù)據(jù)格式統(tǒng)計(jì)特征參數(shù)ENVI基礎(chǔ)遙感圖像分類(lèi)監(jiān)管分類(lèi)后處理、綜述、圖像分類(lèi)、分類(lèi)方法、計(jì)算機(jī)分類(lèi)是遙感圖像上地物的屬性識(shí)別和分類(lèi)，是模擬識(shí)別技術(shù)在遙感技術(shù)領(lǐng)域的具體應(yīng)用。無(wú)監(jiān)督分類(lèi)：是一種以像素的相似性(即將具有相似性的像素歸為一類(lèi))為依據(jù)進(jìn)行分類(lèi)和合并的方法，不需要以前一類(lèi)(訓(xùn)練場(chǎng)地)為樣本，即不需要預(yù)先知道類(lèi)的特征。監(jiān)督分類(lèi)：選擇一個(gè)有代表性的訓(xùn)練區(qū)域，用訓(xùn)練區(qū)域內(nèi)已知地物的光譜特征對(duì)計(jì)算機(jī)進(jìn)行訓(xùn)練，得到識(shí)別各種地物的判別函數(shù)或模式，對(duì)未知區(qū)域的像素進(jìn)行分類(lèi)，并將其歸類(lèi)到已知類(lèi)別中。1.監(jiān)督分類(lèi)和非監(jiān)督分類(lèi)的定義；2.監(jiān)督

2、分類(lèi)和非監(jiān)督分類(lèi)的根本區(qū)別在于訓(xùn)練區(qū)域是否用于獲取先驗(yàn)的類(lèi)知識(shí)。監(jiān)督分類(lèi)的關(guān)鍵是選擇訓(xùn)練場(chǎng)地。培訓(xùn)場(chǎng)所應(yīng)具有代表性，樣本數(shù)量應(yīng)符合分類(lèi)要求。這是監(jiān)管分類(lèi)的不足。無(wú)監(jiān)督分類(lèi)不需要更多的先驗(yàn)知識(shí)，而是根據(jù)地物的光譜統(tǒng)計(jì)特征進(jìn)行分類(lèi)。當(dāng)兩類(lèi)地物的光譜特征差異很小時(shí)，分類(lèi)效果不如監(jiān)督分類(lèi)。圖像預(yù)處理、分類(lèi)方法的選擇、特征選擇和提取、為分類(lèi)選擇合適的分類(lèi)參數(shù)、分類(lèi)的后處理、結(jié)果的輸出、遙感數(shù)字圖像的計(jì)算機(jī)分類(lèi)的基本過(guò)程、選擇訓(xùn)練區(qū)域(也稱(chēng)為感興趣區(qū)域)、并行管道、最小距離、馬氏距離、最大似然(最大似然法)光譜角映射器、二進(jìn)制、監(jiān)督分類(lèi)、1。監(jiān)督分類(lèi)，(1)最小距離分類(lèi)，對(duì)每個(gè)未分類(lèi)的像素執(zhí)行步驟2，計(jì)算

3、每個(gè)訓(xùn)練區(qū)域的平均距離，最大似然分類(lèi)，并通過(guò)計(jì)算每個(gè)類(lèi)別的每個(gè)像素的屬性概率，將每個(gè)像素劃分為具有最高屬性概率的類(lèi)別。假設(shè)訓(xùn)練區(qū)域中地面物體的光譜特征，像自然界中大多數(shù)隨機(jī)現(xiàn)象一樣，近似服從正態(tài)分布。監(jiān)督分類(lèi)的前提：遙感圖像上樣本區(qū)域的土地類(lèi)別是已知的，樣本區(qū)域也稱(chēng)為訓(xùn)練區(qū)域。過(guò)程：(1)確定判別準(zhǔn)則，計(jì)算判別函數(shù)訓(xùn)練；(2)將未知類(lèi)別的樣本值代入判別函數(shù)，判斷類(lèi)別。利用已知類(lèi)別樣本的特征值求解判別函數(shù)的過(guò)程稱(chēng)為學(xué)習(xí)或訓(xùn)練。訓(xùn)練區(qū)域(ROI AOI):對(duì)ROI類(lèi)型、點(diǎn)、線(xiàn)、面ROI進(jìn)行抽樣調(diào)查，選擇光譜特征相對(duì)一致的代表性區(qū)域，進(jìn)行實(shí)地調(diào)查、崗位分類(lèi)、崗位分類(lèi)、計(jì)算機(jī)分類(lèi)，得到初步結(jié)果，一般難

4、以達(dá)到最終目標(biāo)。因此，所獲得的分類(lèi)結(jié)果需要進(jìn)一步處理，以達(dá)到最終的理想分類(lèi)結(jié)果。這些過(guò)程通常被稱(chēng)為分類(lèi)后處理。ENVI有許多后期分類(lèi)選項(xiàng)，包括一個(gè)常規(guī)的圖像分類(lèi)器，計(jì)算分類(lèi)統(tǒng)計(jì)，混淆矩陣，雜波，篩選和綜合分類(lèi)，在圖像上疊加類(lèi)，輸出類(lèi)到矢量層。分類(lèi)后處理的內(nèi)容不受?chē)?yán)格限制，視專(zhuān)業(yè)需要而定。在制圖學(xué)中，“綜合”(一般化)移除分類(lèi)地圖中過(guò)于孤立的類(lèi)的像素，或者將它們合并到那些更連續(xù)地分布在它們周?chē)念?lèi)中。相鄰像素的最小數(shù)量受“多數(shù)”原則的約束，并且塊很小，因此有必要消除或重新分類(lèi)多數(shù)/少數(shù)分析、聚類(lèi)和過(guò)濾。多數(shù)：類(lèi)似于卷積計(jì)算，定義一個(gè)變換核，并替換多數(shù)/少數(shù)分析，聚類(lèi)(Clumping)使用形態(tài)算

5、子對(duì)相鄰的相似區(qū)域進(jìn)行聚類(lèi)和合并，并對(duì)缺乏空間連續(xù)性的區(qū)域中斑點(diǎn)或孔洞的存在進(jìn)行分類(lèi)。擴(kuò)展操作，對(duì)侵蝕操作進(jìn)行變換核，在篩分分類(lèi)中對(duì)孤立的孤島點(diǎn)進(jìn)行分組，判斷它們是否在同一個(gè)組中，刪除的分類(lèi)為未分類(lèi)，分類(lèi)精度分析，遙感圖像的分類(lèi)精度分析通常將分類(lèi)圖與標(biāo)準(zhǔn)數(shù)據(jù)(真實(shí)圖像、地圖或地面調(diào)查)進(jìn)行比較，然后用正確分類(lèi)的百分比來(lái)表示分類(lèi)精度。在實(shí)際工作中，為了進(jìn)行精度分析，經(jīng)常使用采樣來(lái)用部分像素或部分類(lèi)別替換整個(gè)圖像。分類(lèi)精度分為“非位置精度”和“位置精度”。非位置精度用簡(jiǎn)單的數(shù)值表示。由于沒(méi)有考慮位置因素，類(lèi)別間的誤分類(lèi)結(jié)果是均衡的，在一定程度上抵消了分類(lèi)誤差，分類(lèi)精度高。早期分類(lèi)的精度評(píng)價(jià)大多是非

6、位置精度評(píng)價(jià)。位置精度分析將統(tǒng)一檢查分類(lèi)類(lèi)別及其空間位置。目前，混淆矩陣法被廣泛使用，即利用kappa系數(shù)來(lái)評(píng)價(jià)整個(gè)分類(lèi)圖的精度，已經(jīng)逐漸發(fā)展成為主要的精度評(píng)價(jià)方法。分類(lèi)精度分析，分類(lèi)精度分析混淆矩陣，混淆矩陣建立一個(gè)由n行n列組成的：矩陣，其中n代表類(lèi)別數(shù)?；煜仃嚨牧蟹较?左和右)表示實(shí)際類(lèi)別的第一到第n類(lèi)(真)，行方向(上和下)表示分類(lèi)結(jié)果的第一到第n類(lèi)。矩陣中的元素是像素值或百分比。評(píng)價(jià)指標(biāo)運(yùn)行誤差(Commission) :也稱(chēng)為誤分類(lèi)誤差，是某類(lèi)地物被誤分類(lèi)到圖像上其他地物的百分比。(E F)/G用戶(hù)精確度(User Accuracy ):用戶(hù)精確度指的是如果分類(lèi)器將像素分類(lèi)為A類(lèi)

7、，則相應(yīng)的真實(shí)表面類(lèi)別為A。A/G結(jié)果誤差：也稱(chēng)為缺失分?jǐn)?shù)誤差，指的是某個(gè)類(lèi)別被錯(cuò)誤分類(lèi)為其他類(lèi)別的實(shí)際百分比。(乙丙)/丁生產(chǎn)者精度(制圖精度):表示任何隨機(jī)樣本與分類(lèi)圖上相同點(diǎn)的分類(lèi)結(jié)果一致的條件概率。A/D=100%-結(jié)果誤差，分類(lèi)準(zhǔn)確度分析的混淆矩陣，總體準(zhǔn)確度：正確分類(lèi)樣本號(hào)/總檢驗(yàn)樣本號(hào)對(duì)角線(xiàn)上的所有元素之和即為正確分類(lèi)樣本號(hào)Kappa系數(shù)：Kappa系數(shù)是衡量?jī)蓚€(gè)圖之間準(zhǔn)確度(符合度)的指標(biāo)。分類(lèi)的總體精度和Kappa之間的區(qū)別在于，總體精度僅使用位于對(duì)角線(xiàn)上的像素?cái)?shù)量，而Kappa考慮了對(duì)角線(xiàn)上正確分類(lèi)的像素，并且還考慮了不在對(duì)角線(xiàn)上的各種缺失和誤分類(lèi)錯(cuò)誤。在統(tǒng)計(jì)學(xué)中，kapp

8、a系數(shù)是一種非參數(shù)統(tǒng)計(jì)方法，用來(lái)衡量?jī)蓚€(gè)人評(píng)價(jià)同一對(duì)象時(shí)評(píng)價(jià)結(jié)論的一致性。1表示一致性好，0表示一致性不比偶然性好?？傊笖?shù)和混淆矩陣，單一指數(shù)，單一分類(lèi)方法很難達(dá)到實(shí)際精度。圖像限制：信息傳輸?shù)南拗坪蛷?fù)雜相關(guān)方法的限制：主要依靠光譜信息，其他信息沒(méi)有得到充分應(yīng)用。初始條件的隨機(jī)性很難找到最優(yōu)的分類(lèi)特征，難以融合專(zhuān)家知識(shí)、不可重復(fù)以及制約分類(lèi)精度的因素。在圖像分類(lèi)中很難消除誤分類(lèi)和遺漏，分類(lèi)精度一般只有60%-70%，難以滿(mǎn)足精度要求。這已成為阻礙遙感技術(shù)大規(guī)模應(yīng)用的瓶頸之一。多信息綜合(復(fù)合分類(lèi))幾何信息：湖泊/池塘/河流；農(nóng)田和林地的紋理信息：通過(guò)圖像變換、像素的空間變化特征及其組合提取。地

9、形信息：提高分類(lèi)精度的對(duì)策(難點(diǎn)或熱點(diǎn))，課堂計(jì)算問(wèn)題，(1)總體精度是多少？(3分)(2)森林的生產(chǎn)者精確度(制圖精確度)是多少？(3分)，什么是草原的誤分錯(cuò)誤？(3分)(3)經(jīng)計(jì)算，該圖的卡伯系數(shù)為0.2648，并對(duì)該圖的分類(lèi)質(zhì)量進(jìn)行了評(píng)價(jià)(2分)？概述：技術(shù)路線(xiàn)描述數(shù)據(jù)基本信息統(tǒng)計(jì)參數(shù)關(guān)鍵步驟(1)監(jiān)督分類(lèi)1。利用最大似然法將北京市區(qū)土地利用分類(lèi)分為四種類(lèi)型：水域、綠地、建設(shè)用地和其他用地(1)樣本區(qū)域選擇不小于總像素的10 %(2)每種類(lèi)型的樣本分離度大于0.8 2。同樣，北京市城區(qū)土地利用分類(lèi)采用最小距離法，綜合訓(xùn)練-:北京市城區(qū)土地利用分類(lèi)，(2)后分類(lèi)處理，再通過(guò)后分類(lèi)處理進(jìn)行圖

10、像處理，(1)去除“椒鹽”現(xiàn)象，(2)分類(lèi)精度評(píng)價(jià)不低于80%，3)分類(lèi)統(tǒng)計(jì)，(4)轉(zhuǎn)換為矢量圖，分類(lèi)結(jié)果專(zhuān)題圖像圖/分類(lèi)結(jié)果矢量圖，分類(lèi)結(jié)果統(tǒng)計(jì)表，分類(lèi)精度評(píng)價(jià)表，并描述監(jiān)督分類(lèi)的過(guò)程。,決策樹(shù)分類(lèi)（決策樹(shù)分類(lèi))，ENVI教程P121，決策樹(shù)的運(yùn)用前提，分類(lèi)者熟悉決策的后果（地學(xué)原理（多個(gè)圖象/多級(jí)分類(lèi)基于像元，決策樹(shù)分類(lèi)的原理ENVI中決策樹(shù)分類(lèi)的基本操作，決策樹(shù)的定義決策樹(shù)是一種多級(jí)分類(lèi)器，可以應(yīng)用于單個(gè)圖像或一堆圖像。它由一系列二進(jìn)制決策組成，用于確定每個(gè)像素的正確類(lèi)別。二進(jìn)制結(jié)果為0或1 .0結(jié)果發(fā)送到否分支，1結(jié)果發(fā)送到?jīng)Q策樹(shù)的是分支2007年.決策樹(shù)的基本模式，每個(gè)決策將數(shù)據(jù)分成

11、兩個(gè)可能的類(lèi)別之一2007年.樹(shù)逐級(jí)分類(lèi)，ENVI決策樹(shù)文本文件，開(kāi)始節(jié)點(diǎn)名稱(chēng)=ndvi0.3類(lèi)型=決策位置=1，1表達(dá)式=ndvi gt 0.3結(jié)束節(jié)點(diǎn)，變量（變量(及常用表達(dá)環(huán)境決策樹(shù)分類(lèi)器中的變量指的是一組數(shù)據(jù)或作用于數(shù)據(jù)的特殊函數(shù)。變量名bx，_ _ _ _ _ _ _ _ _參考幫助文檔，常用變量，坡度-從數(shù)字高程模型文件計(jì)算的坡度坡向-從數(shù)字高程模型文件計(jì)算的坡向ndvi -從文件計(jì)算的ndvi如果在標(biāo)題中設(shè)置了傳感器類(lèi)型，則自動(dòng)找到用于計(jì)算NDVI的波段，如果ENVI不知道要使用哪些波段，它將提示您輸入波段號(hào)tascapn -流蘇帽變換-下標(biāo)流蘇帽結(jié)果要在表達(dá)式中使用的點(diǎn)，例如，

12、對(duì)于TM數(shù)據(jù)tascap2將使用綠色波段pcn -主成分-下標(biāo)n，在表達(dá)式mnfn -最小噪聲分?jǐn)?shù)-下標(biāo)n，在表達(dá)式lpcn中使用哪個(gè)MNF波段的點(diǎn)-局部主分量-在計(jì)算中僅使用幸存像素lmnfn -局部最小噪聲分?jǐn)?shù)-在計(jì)算中僅使用幸存像素均值n -波段n的均值stdevn -波段n的標(biāo)準(zhǔn)偏差明尼蘇達(dá)州-波段n的最小值最大值n-波段n的最大值n-局部均值-僅幸存像素lstdevn -局部標(biāo)準(zhǔn)偏差-標(biāo)準(zhǔn)僅幸存像素的偏差lminn局部最小值-僅幸存像素的最小值lmaxn -僅幸存像素的局部最大值-最大值，表達(dá)式的示例，(b1 gt 20)和(B2 le 45)NDVI gt 0.3 B1 gt(平均值2 2 *標(biāo)準(zhǔn)偏差2)(斜率gt 15)和(縱橫比lt 90)或（縱橫比gt 270)，建立決策樹(shù)執(zhí)行分類(lèi)編輯決策樹(shù)（添加、使用波段索引、刪除（保存決策樹(shù)(*).txt)，基本操作，實(shí)驗(yàn)數(shù)據(jù)一環(huán)境數(shù)據(jù)/決策博爾德_tm博爾德_dem，數(shù)據(jù)描述L5 TM數(shù)字高程模型，準(zhǔn)則描述，類(lèi)1: ndvi值大于0.3，坡度大于或等于20度類(lèi)2: ndvi值大于0.3，坡度小于20度，陰坡類(lèi)3: ndvi值大