python 遥感图像分类

图像分类的常用方法一般包括监督分类和非监督分类两大类，本文采用阈值切片法对遥感影像进行分类，使用数据为landsat8遥感影像，下载地址：

http://github.com/GeospatialPython/Learn/blob/master/thermal.zip?raw=true

该影像为单波段遥感影像

利用切片法对上述影像进行分类，代码如下：

from osgeo import gdal_array

#输入文件
src = "./thermal/thermal.tif"

# 输出文件名
tgt = "classified.jpg"

#使用gdal库加载图片到numpy
srcArr = gdal_array.LoadFile(src)

#根据类别数目将直方图分割成20个颜色区间
classes = gdal_array.numpy.histogram(srcArr, bins = 20)[1]

#颜色查找表的记录数4必须是len(classes)+1,声明RGN元组
lut =  [[255, 0, 0], [191, 48, 48], [166, 0, 0], [255, 64, 64], [255, 155, 155],
       [255, 116, 0], [191, 113, 48], [255, 178, 115], [0, 153, 153], [29, 115, 155],
       [0, 99, 99], [166, 75, 0], [0, 204, 0], [51, 204, 204], [255, 150, 64],
       [92, 204, 204], [38, 153, 38], [0, 133, 0], [57, 230, 57], [103, 230, 103],
       [184, 138, 0]]

#分类初始值
start = 1
#创建一个RGB颜色的JPEG图片输出
rgb = gdal_array.numpy.zeros((3, srcArr.shape[0], srcArr.shape[1],),gdal_array.numpy.float32)

#处理所有类并声明颜色
for i in range(len(classes)):
    mask = gdal_array.numpy.logical_and(start <= srcArr, srcArr <= classes[i])
    for j in range(len(lut[i])):
        rgb[j] = gdal_array.numpy.choose(mask, (rgb[j], lut[i][j]))
    start = classes[i] + 1

#保存图片
output = gdal_array.SaveArray(rgb.astype(gdal_array.numpy.uint8), tgt, format = "JPEG")
oupput = None

 将图像分为20个类，分类结果如下所示：

如上图所示，20个类别分类效果较好。在实验过程中，我在原来实验的基础上，又增加了12个类别，总共32个类，效果如下所示：

分的太细了，出现了过拟合现象,所以说，分类可不是分的越细越好哦~。然后我又将类别减少到10个，输出分类结果如下所示：

分类效果不太明显，好多类别没有分出来，出现了欠拟合现象。

总结：在分类的过程中，要对研究区域影像有足够的了解，对地物类别要有有所了解，以避免在分类过程中出现欠拟合或过拟合现象。