遥感图像分类
一、背景简介
遥感图像分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析,选择特征,将图像中各个像元按照某种规则或算法划分不同的类别,然后获得遥感图像中与实际地物的对应信息,从而实现图像的分类。遥感图像计算机分类的依据是遥感图像像素的相似度。常使用距离和相关系数来衡量相似度。常见的分类方法有:监督分类、非监督分类法。
二、监督分类与非监督分类的区别及优缺点简要探讨:
案例:数据源为ENVI自带的Landsat tm5数据Can-tmr.img,类别为:林地、草 地/灌木、耕地、裸地、沙地、其它六类。
下面就分别用监督分类与非监督分类法对 此案例进行简单分析。
![0dc3a884b5f6a6b975101d7efde036cd.png](https://i-blog.csdnimg.cn/blog_migrate/bf573468e5a8db850ce86901cf19fbd6.png)
监督分类
(Supervised Classification)
首先我们来了解一下什么是监督分类?
监督分类是用于在数据集中根据用户定义的训练样本类别聚集像元。训练样本类别是像元的集合或单一波谱。在分类过程中,可以选择它们作为代表区域或分类素材。
监督分类的大致步骤有:类别定义、样本选择、分类器选择、影像分类、分类后处理、结果验证。
监督分类对本案例处理的简要流程:
1、类别定义
根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统;对影像进行特征判断,评价图像质量,决定是否需要进行影像增强等预处理。这个过程主要是一个目视查看的过程,为后面样本的选择打下基础。本例是以ENVI自带Landsat tm5数据Can-tmr.img为数据源,类别分为:林地、草地/灌木、耕地、裸地、沙地、其他六类。
2、样本选择
为了建立分类函数,需要对每一类别选 取一定数目的样本,在ENVI,中是通过感兴 趣区来确定,也可以将矢量文件转化为 ROIs文件来获得,或者利用终端像元收集 器来获得。本例中使用ROIs方法,打开分 类图像,在Display->Overlay->Region of Interest,默认ROIs为多边形,按照默认设 置在影像上定义训练样本。如图1-1示,设 置好颜色和类别名称。