實驗報告課程名稱：遙感原理與應用系部名稱：測繪工程學院專業(yè)班級：測繪工程12-6班學生姓名：岳建男學號：20127024指導教師：劉江黑龍江工程學院教務處制

實驗項目圖像分類實驗日期2015.8.25實驗地點實驗樓612同組人數(shù)1實驗臺號實驗類型√驗證性□綜合性□設計性□其他實驗目的1）理解遙感圖像計算機分類的原理和方法；2）掌握監(jiān)督分類的步驟和方法。實驗儀器設備1．硬件環(huán)境：計算機一臺；2．軟件環(huán)境：WindowsXP操作系統(tǒng)、ENVI4.7軟件。實驗原理遙感圖像監(jiān)督分類監(jiān)督分類（SupervisedClassification）用于在數(shù)據(jù)集中根據(jù)用戶定義的訓練樣本類別（TrainingClasses）聚類像元。訓練樣本類別是像元的集合或者單一波譜，通常的訓練區(qū)采用ROI來選擇，而且應該盡可能的選擇純凈的感興趣區(qū)域。

實驗內(nèi)容或步驟實驗步驟打開并顯示LandsatTM影像從ENVI主菜單中，選擇File→OpenImageFile，打開Can_tmr.img，然后點擊OK。在可用波段列表中，選擇RGBColor單選按鈕，然后使用鼠標左鍵，順次點擊波段4、波段3和波段2。所選擇的波段就會在對話框中部適當?shù)奈谋究蛑酗@示出來。點擊LoadRGB按鈕，把該影像加載到一個新的顯示窗口中。查看影像顏色使用顯示窗口中的彩色影像來指導分類。該影像相當于一幅假彩色合成的近紅外照片。即使只使用簡單的三波段影像，也可以看到影像中存在有光譜特征相似的區(qū)域。影像中的亮紅色區(qū)域表明該地區(qū)近紅外反射較高，通常對應為茂盛的植被，位于耕種區(qū)內(nèi)或者沿著河流分布。淺暗紅色區(qū)域代表了當?shù)氐闹脖?，在這種情況下，分布在高低不平的山區(qū)地帶，主要對應為針葉林。根據(jù)幾個明顯的地形特征和城市化的類型特點也可以從影像上識別出城市區(qū)來。下圖顯示了加載這些波段后的主影像窗口。Canon市的LandsatTM影像光標位置/值使用ENVI的CursorLocation/Value對話框，來查看顯示窗口中的各波譜波段的影像值。要打開一個顯示主影像窗口，滾動窗口，或者縮放窗口中光標位置信息的對話框，可以按如下幾步進行。從主影像窗口菜單中，選擇Tools→CursorLocation/Value?；蛘?，在影像顯示窗口中雙擊鼠標左鍵，觸發(fā)CursorLocation/Value對話框打開和關閉。在影像上移動光標，并在對話框中查看特定位置的影像數(shù)據(jù)值。注意影像顏色和數(shù)據(jù)值之間的關系。當處理完成后，在CursorLocation/Value對話框中，選擇Files→Cancel，來關閉該對話框。查看波譜曲線圖使用ENVI整套的波譜剖面曲線分析工具，來查看數(shù)據(jù)的波譜特性。從主影像窗口菜單欄中，選擇Tools→Profiles→ZProfile(Spectrum)，開始提取波譜的剖面曲線。查看先前在彩色影像中用Cursor/LocationValue對話框分析過的那些區(qū)域的波譜剖面曲線。注意影像顏色和波譜形狀之間的關系。特別留意一下繪制圖中，紅、綠、藍的三條垂直線所對應的影像波段的位置。Canon市的LandsatTM影像的某條波譜剖面曲線在SpectralProfile對話框中，選擇File→Cancel，來關閉該對話框。監(jiān)督法分類（1）類別定義/特征判別

根據(jù)分類目的、影像數(shù)據(jù)自身的特征和分類區(qū)收集的信息確定分類系統(tǒng)；對影像進行特征判斷，評價圖像質(zhì)量，決定是否需要進行影像增強等預處理。這個過程主要是一個目視查看的過程，為后面樣本的選擇打下基礎。

所采用的多光譜影像為美國科羅拉多州（Colorado）Canon市的LandsatTM影像數(shù)據(jù)。首先將使用彩色合成影像，來識別出分類中所用的訓練樣區(qū)。類別分為：林地、草地/灌木、耕地、裸地、沙地、其他六類。（2）樣本選擇

為了建立分類函數(shù)，需要對每一類別選取一定數(shù)目的樣本，在ENVI中是通過感興趣區(qū)（ROIs）來確定，也可以將矢量文件轉(zhuǎn)化為ROIs文件來獲得，或者利用終端像元收集器（EndmemberCollection）獲得。創(chuàng)建自己的感興趣區(qū)（ROIs）以543波段打開影像，從主影像窗口菜單欄中，選擇Overlay→RegionofInterest。接著對應于顯示窗口的ROITool對話框就會出現(xiàn)在屏幕上，設置好顏色和類別名稱（支持中文名稱）。在主影像窗口中，繪制出一個多邊形，該多邊形就代表了新創(chuàng)建的感興趣區(qū)。要完成這一步，請按下面的步驟進行。在主影像窗口中，點擊鼠標左鍵，建立感興趣區(qū)多邊形的第一個點。再次點擊鼠標左鍵，按順序選擇更多的邊線點，點擊鼠標右鍵來閉合該多邊形。鼠標中鍵可以被用來刪除最新定義的點，或者（如果你已經(jīng)閉合了該多邊形）刪除整個多邊形。再一次點擊鼠標右鍵，固定多邊形的位置。通過選擇ROITool對話框頂部相應的Window各單選按鈕，感興趣區(qū)也可以在縮放窗口Image和滾動窗口Scroll中被定義。感興趣區(qū)定義完后，它就會在對話框的可用區(qū)域（AvailableRegions）列表中顯示出來，同時顯示的還包括感興趣區(qū)的名字、顏色以及所包含的像素總數(shù)。定義的感興趣區(qū)對所有的ENVI分類程序都有效。要定義一個新的感興趣區(qū)，點擊NewRegion按鈕。采用數(shù)學統(tǒng)計方法進行樣本驗證。定量方法：在ROITool面板中，選擇Option->ComputeROISeparability，計算樣本的可分離性。在SelectInputFileforROISeparability對話框中選擇can_tmr.img文件，進行分離性計算，點擊OK。在ROISeparabilityCalculate對話框中，點擊SelectALLItems選中所有樣本，點擊OK。如下圖所示，表示各個樣本類型之間的可分離性，用Jeffries-Matusita,TransformedDivergence參數(shù)表示，這兩個參數(shù)的值在0~2.0之間，大于1.9說明樣本之間可分離性好，屬于合格樣本；小于1.8，需要重新選擇樣本；小于1，考慮將兩類樣本合成一類樣本。（如需重新選擇樣本，可在ROITool對話框中，使各類處理可激活狀態(tài)，點擊GoTo，查看樣本）定性方法：利用ENVI可適化方法，在ROITool面板中，選擇File→ExportROIston-Dvisualizer在n-DControl對話框中，選擇Class按鈕，變換顏色進行修改。修改后，在n-DControl對話框中，選擇Option→ExportAll，輸出樣本。在ROITool面板中，選擇Option->ComputeROISeparability，計算新樣本的可分離性。（3）分類器選擇根據(jù)分類的復雜度、精度需求等確定哪一種分類器。目前監(jiān)督分類可分為基于傳統(tǒng)統(tǒng)計分析學的，包括平行六面體、最小距離、馬氏距離、最大似然，基于神經(jīng)網(wǎng)絡的，基于模式識別，包括支持向量機、模糊分類等，針對高光譜有波譜角（SAM），光譜信息散度，二進制編碼。（4）影像分類1.主菜單下選擇Classification→Supervised→MaximumLikelihood，在ClassificationInputFile對話框中選擇分類文件，單擊ok。2.在MaximumLikelihoodParameters對話框，可點擊Preview預覽分類結果。3.分類結果如圖（5）分類后處理分類后處理包括的很多的過程，都是些可選項，包括更改類別顏色、分類統(tǒng)計分析、小斑點處理（類后處理）、柵矢轉(zhuǎn)換等操作。單擊主影像窗口中的Overlay→Classification，在InteractiveClassToolInputFile中，選擇分類結果文件，點擊ok。在彈出的InteractiveClassTool對話框中，選擇Option→EditClasscolor/names，可修改顏色和名稱。注意：也可以在Display->ColorMapping->ClassColorMapping。如下圖所示，直接可以在對應的類別中修改顏色。

也可以根據(jù)一個顯示的RGB影像來自動分配類別顏色，打開主菜單->Classification->PostClassification->AssignClassColors。編輯好顏色和名稱后，在InteractiveClassTool對話框中，Edit→Mode:polygonAddtoClass，進行編輯（與選ROI類似）。在InteractiveClassTool對話框中，選擇File→SavetoChangetoFile進行保存。小斑點處理（類后處理）

運用遙感影像分類結果中，不可避免地會產(chǎn)生一些面積很小的圖斑。無論從專題制圖的角度，還是從實際應用的角度，都有必要對這些小圖斑進行剔除和重新分類，目前常用的方法有Majority/Minority分析、聚類（clump）和過濾（Sieve）。Majority/Minority分析和聚類（clump）是將周圍的“小斑點”合并到大類當中，過濾（Sieve）是將不符合的“小斑點”直接剔除。

在主菜單Classification→PostClassification→Majority/MinorityAnalysis。在ClassificationInputFile中，選擇分類后的文件。在Majority/MinorityParameters中，單擊SelectAllItems，點擊OK。精度驗證1.顯示原圖像，在圖像窗口，選擇Overlay→ROI，打開驗證樣本。2.在主菜單Classification→PostClassification→ConfuseMatrix→UsingGroundTrueROIs，在ClassificationInputFile中選擇做Majority分析的文件。3.在MatchClassesParameters中，選擇關聯(lián)文件后，點擊AddCombination，后選擇ok。分類統(tǒng)計分析基本統(tǒng)計：類別的像元數(shù)、最大最小值、平均值等，直方圖，協(xié)方差等信息。1.在主菜單->Classification->PostClassification->ClassStatistics。分別選擇做Majority分析的文件和原圖像文件Can_tmr.img。2.在ClassSelectiong中，選擇需要做統(tǒng)計的類別。如下圖；3.選擇統(tǒng)計參數(shù)；4.統(tǒng)計結果如圖示；柵矢轉(zhuǎn)換1.打開主菜單->Classification->PostClassification->ClassificationtoVector。在RastertoVectorInputBand中，選擇做過Majority分析的文件，后點擊ok，可以將分類后得到的結果轉(zhuǎn)化為矢量格式。或者主菜單->Vector->RastertoVector，在選擇輸出參數(shù)時候，可以選擇特定的類別，也可以把類別單獨輸出為矢量文件或者一個矢量文件。在RasterToVectorParameters中選擇生成矢量的類別。可在AvailableVectorList→File中選擇保顧矢量的形式。3.矢量結果如圖。非監(jiān)督法分類IsoData（迭代自組織數(shù)據(jù)分析技術）IsoData非監(jiān)督分類法將計算數(shù)據(jù)空間中均勻分布的類均值，然后用最小距離規(guī)則將剩余的像元進行迭代聚合。每次迭代都重新計算均值，且根據(jù)所得的新均值，對像元進行再分類。這一處理過程持續(xù)到每一類的像元數(shù)變化少于所選的像元變化閾值或者達到了迭代的最大次數(shù)。從ENVI主菜單中，選擇File→OpenImageFile，打開Can_tmr.img，然后點擊OK。ENVI主菜單下選擇Classification→Unsupervised→IsoData，在ClassificationInputFile對話框中選擇分類文件Can_tmr.img，單擊ok。在ISODATAParameters對話框中，設置各參數(shù)，如圖，選擇存儲路徑后，點擊ok；分類結果如圖；判別類別；打開目視解譯底圖，以波段543組合，顯示在Display中。在Can_tmr.img影像窗口中，選擇Overlay→Classification,在InteractiveClassToolInputFile選擇框中，選擇非監(jiān)督分類的結果。單擊OK,打開InteractiveClassTool對話框。在InteractiveClassTool選擇框中，勾選類別前面的“On”選擇框，就能把此類結果疊加顯示在Display窗口上，識別此分類類別。在InteractiveClassToolInputFile選擇框中，選擇Option→EditClasscolor/names，調(diào)出ClassMapEditing對話框，重新定義類別名稱和合并類別后定義顏色。在InteractiveClassTool選擇框中，選擇File→SaveChangetoFile，保存修改結果。合并子類；在ENVI主菜單中，