监督分类与非监督分类剖析.docx

实习序号及题目监督分类与非监督分类实习人姓名实习指导教师姓名地址专业班级个人e-mail地址实习地点实习日期时间 实习目的和内容1. 选取研究区数据（512×512或者1024×1024），通过目视解译建立分类系统及其编码体系2. 按照监督分类的步骤，在影像上找出对应各个土地利用/覆盖类型的参考图斑，利用ROI工具建立训练区，给出各个类别的特征统计表3. 计算各个分类类别之间的可分离性，整理成表格说明哪些地物类型之间较易区分，哪些类型之间难以区分4. 监督分类：利用最大似然法完成分类5. 分类精度评价，从随机采集100～200个样本点，并确保每一类别不少于10个样本；进行分类精度评价，得到分类混淆矩阵，计算Kappa系数，并对结果进行解释6. 分类后处理（clump—sieve—majority）运用ISODATA方法进行非监督分类：预先假定地表覆盖类型为30类，迭代次数选为15，由系统完成非监督分类；然后进行类别定义与合并子类，最后进行结果的精度评价原理和方法1、监督分类：监督分类是在分类前人们已对遥感影像样本区中的类别属性有了先验知识，进而可利用这些样本类别的特征作为依据建立和训练分类器（亦即建立判别函数），进而完成整幅影像的类型划分，将每个像元归并到相对应的一个类别中去。

换句话说，监督分类就是根据地表覆盖分类体系、方案进行遥感影像的对比分析，据此建立影像分类判别规则，最后完成整景影像的分类；2、可分性度量：本次实习主要涉及J—M距离和变换分散度，都是一种特征空间距离度量方法，是指影像特征矢量与各个类中心的距离，变换分散度是TDivercd=[1-exp(-Divercd/8)],J—M距离J=2*(1-e-B)；3、最大似然分类法：在两类或多类判决中，假定各类分布函数为正态分布，并选择训练区，用统计方法根据最大似然比贝叶斯判决准则法建立非线性判别函数集，计算各待分类样区的归属概率，而进行分类的一种图像分类方法4、混淆矩阵：从随机点位上获取地面参考验证信息，并与遥感分类图进行逐像元比较，然后将结果归纳到混淆矩阵，进而完成混淆矩阵分析类别精度：被正确分类的类别像元数占该类别训练样本像元数的百分比，包括生产者精度（制图精度）和用户精度，其中制图精度对应漏分误差是指指示需要进行类别补充和训练样本的采集，用户精度对应错分误差是指指示训练样本集存在混合现象，需要进行更加精细的训练样本采集以保证各个类别样本光谱特征上的纯洁性；5、分类后处理——主要/次要分析：输入一个变换核，用变换核中占主要 / 次要地位的像元的类别代替中心像元的类别。

6、分类后处理——类别集群：运用形态学算子将临近的类似分类区域合并集群首先，将被选的类别用一个膨胀操作集群在一起，然后用参数对话框中指定了大小的变换核对分类图像进行侵蚀操作7、分类后处理——类别筛选：观察周围的4个或8个像元，判断一个像元是否与周围的像元同组如果一类中被分组的像元数少于输入的值，这些像元将被从该类中删除删除像元后，剩下黑像元（未分类的像元）8、 非监督分类：指人们事先对分类过程不施加任何的先验知识，仅依据影像上地物的光谱特征分布规律，顺其自然地进行分类基本思路来源于多变量聚类分析（clustering analysis），其理论依据是根据地物光谱理论，遥感影像上的同类地物在相同的表面结构特征、植被覆盖、光照条件下，具有相同或相近的光谱特征，应归属于同一个光谱空间区域；不同的地物，光谱信息特征不同，应归属于不同的光谱空间区域数据准备与研究区概况实习数据：1. 512×512的研究区 Landsat 8 OLI影像；研究区概况：研究区域位于甘肃省金昌市北部，东北部分连接腾格里沙漠研究区地形以戈壁为主，有少量沙漠，土地干旱；植被以干旱植物为主，有叫少量的数目与草地，无河流土地空旷。

根据所下载影像数据命名规则可知，成像时间为2014年第262天，即八月下旬由于影像为西北河西走廊区域金昌市，农作物一年一熟，成熟期约为八月，故此时农作物尚未成熟农作物与各植物依旧呈现绿色研究区大部分以沙漠及戈壁为主，除此之外，有少量砾漠、草地、农田等，且有一条较小的河流与一片较大水体，地物种类简单且形式单一研究区含小部分城区且城区规模较小，建筑物密集度低，城镇高楼较少，农村建筑以砖瓦房为主，有少量土坯房其余戈壁区域未经人为开发，为自然状态操作步骤一、 监督分类：1、选取研究区数据（512×512或者1024×1024），结合GoogleEarth影像通过目视解译建立分类系统及其编码体系；编码体系如下：编码地物名称色调12水浇地 irrigated landR225 G225 B15030草地 grasslandR170 G190 B03051河流 streamR150 G240 B25552水库、坑塘 reservoir or pondR160 G205 B24071沙漠 sandy desertR200 G190 B17072砾漠 gravel desertR215 G200 B18573裸地及盐碱地 barren landR200 G205 B2002、按照监督分类的步骤，在影像上找出对应各个土地利用/覆盖类型的参考图斑，利用ROI工具建立训练区：训练样本如下：对训练样本进行统计，结果如下：对训练样本中各地物特征值进行统计，得到各个类别的特征统计表：地物类型73：barren land 采样单元数：波段号：1234567单变量统计最小值13329132781422116003179042056019082最大值14137143391590318212208392251620998均值13593.26 13598.30 14666.16 16604.23 19011.72 21217.10 19863.82 标准差117.51 151.65 254.02 361.75 430.88 335.77 305.80 协方差矩阵band113807.90 17388.57 27130.34 37109.17 42342.97 31679.60 25318.36 band217388.57 22996.46 36959.17 51008.02 56707.81 41825.44 33584.25 band327130.34 36959.17 64523.78 90799.11 96445.31 69624.10 55670.50 band437109.17 51008.02 90799.11 130864.03 133801.93 96096.14 76318.69 band542342.97 56707.81 96445.31 133801.93 185657.28 129402.43 92382.12 band631679.60 41825.44 69624.10 96096.14 129402.43 112740.09 95463.40 band725318.36 33584.25 55670.50 76318.69 92382.12 95463.40 93511.78 相关系数矩阵band11.00 0.98 0.91 0.87 0.84 0.80 0.70 band20.98 1.00 0.96 0.93 0.87 0.82 0.72 band30.91 0.96 1.00 0.99 0.88 0.82 0.72 band40.87 0.93 0.99 1.00 0.86 0.79 0.69 band50.84 0.87 0.88 0.86 1.00 0.89 0.70 band60.80 0.82 0.82 0.79 0.89 1.00 0.93 band70.70 0.72 0.72 0.69 0.70 0.93 1.00 地物类型12：irrigated land 采样单元数：波段号：1234567单变量统计最小值1025694138790793318918100797615最大值11717110821111411146330401673412689均值10689.80 9909.00 9580.43 8717.23 23553.99 12080.08 8899.35 标准差211.99 255.06 471.97 463.80 3118.97 1725.56 890.79 协方差矩阵band144938.75 53378.71 72959.81 91906.38 2840.10 165126.20 137512.55 band253378.71 65057.60 94072.42 111933.13 37163.35 223684.10 172923.97 band372959.81 94072.42 222751.80 174786.42 816795.65 731138.82 385861.99 band491906.38 111933.13 174786.42 215114.55 42019.06 415292.38 325592.31 band52840.10 37163.35 816795.65 42019.06 9727955.68 4481447.71 1590685.73 band6165126.20 223684.10 731138.82 415292.38 4481447.71 2977550.62 1378555.19 band7137512.55 172923.97 385861.99 325592.31 1590685.73 1378555.19 793511.73 相关系数矩阵band11.00 0.99 0.73 0.93 0.00 0.45 0.73 band20.99 1.00 0.78 0.95 0.05 0.51 0.76 band30.73 0.78 1.00 0.80 0.55 0.90 0.92 band40.93 0.95 0.80 1.00 0.03 0.52 0.79 band50.00 0.05 0.55 0.03 1.00 0.83 0.57 band60.45 0.51 。