RSD的支持向量机遥感数据分类

RSD的支持向量机遥感数据分类

李国春 2018.12.31

 

RSD的分类以一分类为主，在《RSD的面向对象分类》博文https://blog.csdn.net/gordon3000/article/details/85534116中介绍了RSD的暂时命名为SC（Steadfast Classification）的分类技术。在《RSD面向对象分类的图像分割》https://blog.csdn.net/gordon3000/article/details/84059254介绍了图像分割部分。这里为RSD的一分类再添一员，介绍一下基于支持向量机的一分类遥感数据分类方法。

1. 基于SVM的一分类方法

SVM（Support Vector Machine）译为支持向量机，可用于遥感数据分类。SVM是一种二分类的模型。其主要思想是找到空间中的一个理想的超平面，将所有数据样本数据一分为二划分为2类。见图1。

 

图 1 SVM toy 的2分类示意图（引自台湾林智仁教授开发的libSVM演示程序）

二分类为数据划定了一个界限，非此类即彼类。但是遥感数据处理分类实践中待分类对象可能不止2类，或者说，究竟有多少类是未知的。分析一下我们的应用，虽然不知道有多少类，但至少我们知道需要哪1类。比方我只要城市里面的绿植，或者我只想知道某区域的大豆面积而不关心种了多少亩的玉米水稻。RSD把这些1类分类都归结到SC分类，为的是简洁方便容易记忆。

幸好SVM有1类分类（One Class），原理方法参阅相关文献，这里不再赘述。SVM1分类示意图见图2。

图 2 SVM toy 的1分类示意图（引自台湾林智仁教授开发的libSVM演示程序）

SVM 1分类的意图是找到这样一个包络面，包围这些符合本类特征的样本。而包络面外面的样本是什么SVM根本不关心。这刚好满足RSD SC分类的需求。

2. 对象分割

RSD对象分割这里有介绍https://blog.csdn.net/gordon3000/article/details/84059254 或者在下图（图3）菜单命令的第一行“分类对象分割”的子菜单命令中进行分割。

有时显示全部分割边界图像看起来很乱，可以关掉它。也就是可以设置分割后在主窗口显示/不显示分割边界。方法是在主窗口滚动鼠标滚轮，光标变成黑箭头时右击窗口任意位置出现一个弹出菜单，选择“显示分割对象集”。

图 3 关闭主窗口的对象分割边界

3. 训练样本采集、保存和打开

3.1 采集训练样本

见https://blog.csdn.net/gordon3000/article/details/85534116  第2.2节、第3.3节。

1. 在层列表窗口勾选需要采集训练样本的层。
2. 在主窗口滚动鼠标滚轮，直到出现一个笔尖的形状。
3. 在想要采集样本数据的位置多次点击圈出一个多边形。
4. 右击鼠标，出现一个菜单，点击菜单命令“采集区域样本数据”。出现采集样本对话框。

图 4 采集样本对话框

    5. 点击对话框中那个淡红色的圆形，可以为本类样本数据选择一个颜色。

    6. 在样本集名称中可以输入一个名字，比如：城市树木。还可以输入一个数据名。

    7. 点击下面的确定，就建立了一个样本数据集。此时在“样本”浮动窗口就可以看见这个样本数据。

    

    图 5 样本浮动窗口

8.  重复1，添加更多的样本数据。直到出现采集样本对话框。点击图4中的合并到样本集，再点击城市树木。这样就为城市树木这个样本集添加了新的样本数据：地点2。

9.  重复1，可以为样本数据添加新的样本集如：城市草地…。直到采集足够的样本数据。

3.2 保存、打开训练样本

在图5中的样本浮动窗口点击工具条上的小磁盘，就可以将样本数据保存为一个磁盘文件。同样也可以按打开按钮打开一个原来保存的样本数据集。

4. SVM一分类

SVM一分类是RSD提供的SVM分类的主要分类方法，从原始数据提取需要的数据类别。分类过程按下述步骤进行。

1. 勾选待分类的层。
2. 选择图6的菜单命令，一分类支持向量机。

 

图 6 开始分类的菜单命令

3. 出现图7的对话框，选择分类类别的训练样本，这里可以选择城市树木。如果由原来训练好的分类模型，也可以打开直接使用。

 

图 7分类对话框

4. 点击确定即开始分类。稍等，如果成功即可出现分类结束的提示。分类结果在层列表里面列出。

下面是一个城市绿化分类的例子，数据来源为我国GF2融合后4通道数据。

 

图 8 城市绿化分类的例子

图中，第一层为原始图像；第3层为分类结果，也就是城市里的树木；第2层为原始图像分类出树木后的剩余部分，保留这部分数据的目的是第一次分类不理想时进行再分类或者进行编辑修复。第3层分类结果见图9。

图 9 树木提取的结果

 

提取树木后剩余部分见图10。

图 10 树木提取后的剩余图像

草地在剩余图像中被留了下来，还可以继续对草地进行分类。

分类合成后图像见图11。

图 11 绿植提取的GIF图像

5. SVM二分类

二分类的设计初衷是将已知有两类的图像一分为二，不像一分类留有未分类数据。比如上述图9提取的树木中混有草地部分，看可以用二分类尝试将其分开。具体用法还需进一步摸索实践。

二分类在图6的菜单命令中选择“二分类支持向量机”，另外还需要提供两个训练样本集。其它部分与一分类基本类似。

 

 

RSD的支持向量机分类在2.1.6版提供，可以在下面网盘地址下载SetupRsd2.1.6.rar安装文件。

https://pan.baidu.com/s/1JNtwzeDez9XGrKfXNAEj_Q

加QQ群136965427关注软件更新情况。