监督分类PPT文档.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,监督分类,主讲人：杨亮彦,1,监督分类的定义,监督分类,（supervised classification）又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术。即根据已知 训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立 判别函数以对各待分类 影像进行的 图像分类，是 模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立分类的决策规则，直至满足分类精度要求为止。常用算法有：判别分析、最大 似然分析、特征分析、序贯分析和图形识别等。,2,监督分类目的和内容,实验目的：,掌握监督分类的方法与过程，加深对监督分类方法的理解。,实验内容：,定义训练样本、进行监督分类、评价分类结果和分类后处理。,3,评价分类结果,03,分类后处理,04,定义训练样本,01,进行监督分类,02,监督分类过程,4,1,、定义训练样本,（,Define Signature Using signature Editor,）,ENVI,的监督分类是利用,ROI Tool,来定义训练样本的，也就是把感兴趣区当做训练样本。因此训练样本的过程就是创建感兴趣区的过程。,5,定义分类模板步骤,第一步 打开分类图像并分析图像,训练样本的定义主要靠目视解译，,TM,图像由,7,个波段组成，各个波段之间的相关性较高，不同的,RGB,组合可以得到不同的彩色图像。所以，需要根据分类种类以及地物特点选择不同的增强方法。,首先打开遥感图像，用,Band5,、,4,、,3,合成,RGB,显示，然后目视解译出林地、草地、耕地、裸地、沙地和水体。,RCB,组合,特点,3,、,2,、,1,用于各种地类识别，图像平淡、色调灰暗、不饱和、信息量较少,4,、,3,、,2,地物图像丰富、色彩鲜明、层次好，用于植被分类、水体识别,7,、,4,、,3,用于居民地、水体识别,5,、,4,、,1,植被类型丰富、用于研究植物分类,3,、,4,、,5,对水系、居民点及其街道、公园水体、林地的图像分类有利,5,、,4,、,3,合成图像类似自然色，符合人们视觉习惯，信息量丰富，能充分显示各种地物影像特征的差别,6,定义分类模板步骤,第二步 应用,ROI Tool,创建感兴趣区,从,RGB,图像获取的感兴趣区用来定义训练样本：,1,、在主界面的图层管理器（,Layer Manager,）中，对图像名称右击选择,New Region of Interest,菜单，打开,ROI Tool,对话框。,2,、在对话框中，分别建立需要分类的地类。设置参数：,ROI Name,、,ROI Color,3,、在,Geometry,选项中，选择多边形类型，然后在图像选择感兴趣区。绘制结束可以双击鼠标左键完成，或者单击右键有三个选项：,4,、感兴趣区的个数视情况而定。,5,、在对话框新建训练样本种类，重复以上步骤。,7,定义分类模板步骤,第三步 评价训练样本,在对话框选择,以上是可分离性值从小到大的排列，参数值得范围为,0-2,大于,1.9,样本之间可分离性好，合格样本；小于,1.8,需要重新选择样本；小于,1,，合并样本（在,ROI,对话框，,Options,Merge ROIs,）。,8,3.,执行监督分类,(Perform Supervised Classification),根据不同的分类复杂度、精度需求，选择不同的分类器。,主要,6,种分类器：,1,、平行六面体（,Parallelpiped,）,2,、最小距离,(Minimum Distance),3,、马氏距离,(Mahalanobis Distance),4,、最大似然,(Likelihood Classification),5,、神经网络,(Neural Net Classification),6,、支持向量机,(Suppout Vector Machine,Classification,),9,最大似然,(Likelihood Classification),在参数设置模板选择全部的训练样本，,在,Set Probability Threshold:,设置似然度的阈值。,10,最大似然,(Likelihood Classification),11,4.,评价分类结果,执行完监督分类之后，需要对分类结果进行评价。,ENVI,提供了多种评价方法：分类结果叠加、混淆矩阵、,ROC,曲线。,1,、,分类结果叠加,（,1,）在视图中显示遥感图像和分类结果。,（,2,）在图层管理器（,Layer Manager,）中，可以选择显现或者隐藏该类。,（,3,）通过在图像上叠加分类结果，目视判断分类的精度。,12,2,、混淆矩阵,使用,Confusion Matrix,工具可以把分类结果的精度显示在一个混淆矩阵里（用于比较分类结果和地表真实信息）。,ENVI,可以使用一副地表真实图像或者地表真实感兴趣区来计算混淆矩阵。,13,5,分类后处理,(Post-Classification Process),以上分类方法得到的是初步结果，一般难以达到最终的应用目的。所以。对获取的分类结果需要进一步的处理，才能得到理想的分类结果，这些过程称之为分类后处理过程。主要包括：更改分类颜色、小斑点处理、,分类后统计、栅格转矢量等操作。,1,、更改分类颜色,或者 双击需要更改的类型,2,、小斑点处理,常用方法,Majority/Minority,分析、聚类处理和过滤处理。,14,Majority/Minority,分析,15,16,3,、分类统计,分类统计可以基于分类结果计算相关输入文件的统计信息。统计信息包括类别中的象元数、最小值、最大值、平均值以及类中每个波段的标准差等。,17,18,4,、分类结果转矢量,19,THANKS,20,