監(jiān)督分類中常用的具體分類方法

《監(jiān)督分類中常用的具體分類方法》由會(huì)員分享，可在線閱讀，更多相關(guān)《監(jiān)督分類中常用的具體分類方法（22頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、監(jiān)督分類中常用的具體分類方法包括：最小距離分類法(minimum distance classifier）：最小距離分類法是用特征空間中的距離作為像元分類依據(jù)的.最小距離分類包括最小距離判別法和最近鄰域分類法.最小距離判別法要求對(duì)遙感圖像中每一個(gè)類別選一個(gè)具有代表意義的統(tǒng)計(jì)特征量（均值）,首先計(jì)算待分象元與已知類別之間的距離，然后將其歸屬于距離最小的一類。最近鄰域分類法是上述方法在多波段遙感圖像分類的推廣.在多波段遙感圖像分類中，每一類別具有多個(gè)統(tǒng)計(jì)特征量.最近鄰域分類法首先計(jì)算待分象元到每一類中每一個(gè)統(tǒng)計(jì)特征量間的距離,這樣，該象元到每一類都有幾個(gè)距離值，取其中最小的一個(gè)距離作為該象元到該類

2、別的距離,最后比較該待分象元到所有類別間的距離,將其歸屬于距離最小的一類。 最小距離分類法原理簡(jiǎn)單,分類精度不高，但計(jì)算速度快,它可以在快速瀏覽分類概況中使用。多級(jí)切割分類法（multi-level slice classifier）:是根據(jù)設(shè)定在各軸上值域分割多維特征空間的分類方法。通過分割得到的多維長(zhǎng)方體對(duì)應(yīng)各分類類別。經(jīng)過反復(fù)對(duì)定義的這些長(zhǎng)方體的值域進(jìn)行內(nèi)外判斷而完成各象元的分類。這種方法要求通過選取訓(xùn)練區(qū)詳細(xì)了解分類類別（總體）的特征，并以較高的精度設(shè)定每個(gè)分類類別的光譜特征上限值和下限值，以便構(gòu)成特征子空間。多級(jí)切割分類法要求訓(xùn)練區(qū)樣本選擇必須覆蓋所有的類型，在分類過程中，需要利用待

3、分類像元光譜特征值與各個(gè)類別特征子空間在每一維上的值域進(jìn)行內(nèi)外判斷，檢查其落入哪個(gè)類別特征子空間中，直到完成各像元的分類。多級(jí)分割法分類便于直觀理解如何分割特征空間，以及待分類像元如何與分類類別相對(duì)應(yīng).由于分類中不需要復(fù)雜的計(jì)算，與其它監(jiān)督分類方法比較,具有速度快的特點(diǎn)。但多級(jí)分割法要求分割面總是與各特征軸正交，如果各類別在特征空間中呈現(xiàn)傾斜分布，就會(huì)產(chǎn)生分類誤差。因此運(yùn)用多級(jí)分割法分類前，需要先進(jìn)行主成分分析，或采用其它方法對(duì)各軸進(jìn)行相互獨(dú)立的正交變換,然后進(jìn)行多級(jí)分割。最大似然分類法(maximum likelihood classifier):最大似然分類法是經(jīng)常使用的監(jiān)督分類方法之一，

4、它是通過求出每個(gè)像元對(duì)于各類別歸屬概率（似然度）（likelihood），把該像元分到歸屬概率（似然度)最大的類別中去的方法。最大似然法假定訓(xùn)練區(qū)地物的光譜特征和自然界大部分隨機(jī)現(xiàn)象一樣,近似服從正態(tài)分布，利用訓(xùn)練區(qū)可求出均值、方差以及協(xié)方差等特征參數(shù),從而可求出總體的先驗(yàn)概率密度函數(shù).當(dāng)總體分布不符合正態(tài)分布時(shí)，其分類可靠性將下降，這種情況下不宜采用最大似然分類法。最大似然分類法在多類別分類時(shí)，常采用統(tǒng)計(jì)學(xué)方法建立起一個(gè)判別函數(shù)集，然后根據(jù)這個(gè)判別函數(shù)集計(jì)算各待分象元的歸屬概率（似然度）。這里，歸屬概率（似然度)是指:對(duì)于待分象元x,它從屬于分類類別k的(后驗(yàn)）概率。設(shè)從類別k中觀測(cè)到x的條

5、件概率為P（xk），則歸屬概率Lk可表示為如下形式的判別函數(shù)：式中P(k)為類別k的先驗(yàn)概率，它可以通過訓(xùn)練區(qū)來決定。此外，由于上式中分母和類別無關(guān)，在類別間比較的時(shí)候可以忽略。最大似然分類必須知道總體的概率密度函數(shù)P(xk)。由于假定訓(xùn)練區(qū)地物的光譜特征和自然界大部分隨機(jī)現(xiàn)象一樣,近似服從正態(tài)分布(對(duì)一些非正態(tài)分布可以通過數(shù)學(xué)方法化為正態(tài)問題來處理),因此通常可以假設(shè)總體的概率密率函數(shù)為多維正態(tài)分布，通過訓(xùn)練區(qū)，按最大似然度測(cè)定其平均值及方差、協(xié)方差。此時(shí)，像元X歸為類別k的歸屬概率Lk表示如下（這里省略了和類別無關(guān)的數(shù)據(jù)項(xiàng))。（6-9）式中:n：特征空間的維數(shù)；P(k）:類別k的先驗(yàn)概率；

6、Lk（x）：像元X歸并到類別k的歸屬概率；X：像元向量；k類別k的平均向量（n維列向量）；det：矩陣A的行列式k：類別k的方差、協(xié)方差矩(nn矩陣）.這里注意:各個(gè)類別的訓(xùn)練數(shù)據(jù)至少要為特征維數(shù)的2到3倍以上這樣才能測(cè)定具有較高精度的均值及方差、協(xié)方差；如果2個(gè)以上的波段相關(guān)性強(qiáng)，那么方差協(xié)方差矩陣的逆矩陣可能不存在，或非常不穩(wěn)定，在訓(xùn)練樣本幾乎都取相同值的均質(zhì)性數(shù)據(jù)組時(shí)這種情況也會(huì)出現(xiàn)。此時(shí)，最好采用主成分變換，把維數(shù)壓縮成僅剩下相互獨(dú)立的波段，然后再求方差協(xié)方差矩陣；當(dāng)總體分布不符合正態(tài)分布時(shí),不適于采用正態(tài)分布的假設(shè)為基礎(chǔ)的最大似然分類法。當(dāng)各類別的方差、協(xié)方差矩陣相等時(shí)，歸屬概率變成

7、線性判別函數(shù)，如果類別的先驗(yàn)概率也相同，此時(shí)是根據(jù)歐氏距離建立的的線性判別函數(shù)，特別當(dāng)協(xié)方差矩陣取為單位矩陣時(shí),最大似然判別函數(shù)退化為采用歐氏距離建立的最小距離判別法。監(jiān)督分類流程圖（Erdas環(huán)境)在專業(yè)遙感圖像處理軟件Erdas環(huán)境下，監(jiān)督分類的流程圖可以表示如下：圖2-1監(jiān)督分類流程圖監(jiān)督分類注意事項(xiàng)(1)分類應(yīng)從下往上,即每一地類應(yīng)先細(xì)分為若干小類，然后再依需要自下而上合并成大類。（2)每一類的訓(xùn)練區(qū)文件aoi與特征文件sig應(yīng)該一一對(duì)應(yīng)，即每一類對(duì)應(yīng)的訓(xùn)練區(qū)和特征文件都應(yīng)該保存為一個(gè)單獨(dú)的文件，以方便在調(diào)整訓(xùn)練區(qū)的時(shí)候進(jìn)行修改。（3）精度檢驗(yàn)后若精度不符合要求，需要重新調(diào)整訓(xùn)練區(qū)，再

8、次分類,直到精度滿足要求為止。監(jiān)督分類過程示例1圖22為某地TM遙感影像，432波段假彩色合成。圖2-2TM影像（432波段合成）2確定分類類別通過色調(diào)、紋理等圖像特征,確定該區(qū)域分類類別為水體，植被和灘涂。各類分類特征如表21所示.表21分類特征3為每一類選擇訓(xùn)練區(qū)及特征文件(1)AOI操作工具簡(jiǎn)介在Viewer窗口中選擇“AOI”“Tools”，調(diào)出AOI（Area Of Interest，感興趣區(qū))浮動(dòng)工具欄（如圖23所示）。圖23AOI浮動(dòng)工具欄其中較為常用的工具按鈕為:（2）特征文件操作工具簡(jiǎn)介特征文件從AOI區(qū)域中獲得.使用“Erdas “Classifier “Signature

9、 Editor”，調(diào)出特征文件編輯器，如圖2-4所示.圖2-4特征文件編輯器其中較為常用的工具為：打開一個(gè)特征文件。新建一個(gè)特征文件/打開新的特征文件編輯器。添加選中的AOI的特征到特征文件中。使用選中的AOI特征替換當(dāng)前特征。合并選中的特征文件中的特征到一個(gè)特征。一般建立特征文件的步驟是，在Viewer窗口中使用AOI工具勾畫感興趣區(qū)，使用把該AOI區(qū)域中的特征添加到特征文件中.也可以選中多個(gè)AOI批量添加到特征文件中。(2）為各類別建立訓(xùn)練區(qū)文件和特征文件。把遙感影像放大到像元級(jí)，選擇矩形AOI選擇工具,根據(jù)建立的判讀標(biāo)識(shí)，在遙感影像上選擇AOI區(qū)域，然后使用 依次添加特征到特征文件中。（

10、注：作為示例，本例選擇3個(gè)AOI區(qū)域,且沒有細(xì)分小類。）選擇完成的AOI區(qū)域和特征文件如圖2-5和圖2-6所示。分別保存為“水體。aoi”和“水體.sig”。在Viewer窗口中使用去除已經(jīng)保存完畢的AOI圖層，重新選擇其他類別的訓(xùn)練區(qū)，并建立新的特征文件。分別保存為“植被.aoi”和“植被.sig”；“灘涂.aoi和“灘涂。sig”.圖2-5圖26（3）合并特征文件在各個(gè)類別的特征文件建立完畢后，需要合并成為一個(gè)總體特征文件。新建一個(gè)特征文件編輯器,選擇打開保存的“水體。sig”文件.注意選擇“Append(添加）把特征文件添加進(jìn)來，而非“Replace”（替換）。如圖2-7所示。圖27添加

11、特征文件把水體特征文件添加進(jìn)來之后，全部選中所有的特征,如圖28所示。圖2-8選中所有特征使用 工具，把選中的水體的所有特征合并為一個(gè)總體的水體特征，右單擊“Class#列表,選擇“Delete Selection”刪除原有特征如圖29所示。圖2-9刪除原有特征重命名總體水體特征的“Signature Name”為“水體”.如圖2-10所示.圖2-10總體水體特征如此添加其他兩類進(jìn)入，并合并成各自的總體特征，分別命名為“植被”、“灘涂”。并更改Value值為1，2，3,并另存為（Save As）“結(jié)果特征文件.sig”如圖211所示。圖2-11結(jié)果特征文件（4)分類選擇“Erdas “Clas

12、sifier” “Supervised Classification，在分類設(shè)置對(duì)話框中如圖2-12設(shè)置。圖212監(jiān)督分類設(shè)置在該對(duì)話框中，使用 輸入待分類的圖像“subset。img、分類特征文件“結(jié)果特征文件。sig”并指定分類結(jié)果的保存路徑及名稱,如“分類結(jié)果.img”。分類方法選擇“Maximum Likelihood”(最大似然），其余可以默認(rèn)。點(diǎn)擊“OK”，系統(tǒng)將對(duì)原始影像依據(jù)指定的特征文件進(jìn)行分類。運(yùn)算完畢界面如圖2-13示。圖213運(yùn)算完成（5)分類結(jié)果分類的結(jié)果如圖214所示。圖214分類結(jié)果為了更好的表達(dá)分類結(jié)果，可以使用Viewer窗口中的“Raster” “Attrib

13、utes”，更改“水體”和“植被的顯示顏色為藍(lán)色(RGB為0 0 1）和綠色（RGB為0 1 0），如圖2-15示。圖215調(diào)整顏色調(diào)整顏色后的分類結(jié)果如圖216所示.精度檢驗(yàn)同時(shí)打開原始影像和分類結(jié)果圖，在任一幅圖中單擊右鍵，在彈出的菜單中選擇“Geo. Link/Unlink”，然后在另一幅圖中單擊左鍵,關(guān)聯(lián)兩幅影像。使用“Erdas”“Classifier”“Accuracy Assessment”，調(diào)出精度檢驗(yàn)設(shè)置窗口。圖2-17精度檢驗(yàn)窗口使用該窗口中“File”“Open”，打開原始影像“Subset.img”，調(diào)入內(nèi)存.使用“View” “Select Viewer”，選擇已經(jīng)打

14、開的分類圖，用以顯示將要讀取的點(diǎn)位信息。讀入GPS測(cè)量的點(diǎn)。格式為標(biāo)準(zhǔn)的txt文本.文件格式化為3列，第一列存儲(chǔ)x坐標(biāo)，第二列存儲(chǔ)y坐標(biāo)，第三列存儲(chǔ)類別代碼(即分類時(shí)指定的Value值）。如本例中存儲(chǔ)的GPS點(diǎn)文件如表23所示表2-3 GPS點(diǎn)位491355.864486746。252491070.454487008。523490754.194484941.222486997。564485905。443486797.004486707.683492096.394486615。111489118。864486815。963486434。454483151.611486920。424483028.

15、193487375。534482665。641488069。784482449。652491070。454482657.931492266。094484439.821489604.834483167。041486881.854487216。791487984.934487085.661490769。614487116.511489905。674483483.303489080.294483606。733487074。704483120。752文件中存儲(chǔ)的坐標(biāo)投影應(yīng)與影像投影完全一致，如本例中影像投影為UTM/Clark1866 N50。使用“Edit”“Import Userdefined Points，讀入GPS點(diǎn)位文件。選項(xiàng)如圖218所示。圖2-18導(dǎo)入選項(xiàng)讀取的結(jié)果如圖2-19所示。圖2-19導(dǎo)入結(jié)果輸入各點(diǎn)位分類類別使用“Viewer” “Show All”，把讀入的GPS點(diǎn)位在分類圖中全部顯示出來,逐一對(duì)照，在Reference列中輸入分類影像的類別代碼圖2-20。圖220輸入代碼精度檢驗(yàn)使用“Report” “Accuracy report”，分析分類精度情況圖2-21。圖221精度檢驗(yàn)結(jié)果若精度符合要求，則接受分類結(jié)果，若不符合要求,則重新分類。