遙感圖像解譯實(shí)驗(yàn)報(bào)告.doc

實(shí)驗(yàn)一 非監(jiān)督分類(lèi)一、基本原理非監(jiān)督分類(lèi)的前提是假定遙感影像上同類(lèi)地物在相同的條件下具有相同的光譜特征信息。非監(jiān)督分類(lèi)不需要先驗(yàn)類(lèi)別知識(shí)的情況下，僅依靠影像本身的特征進(jìn)行特征提取，根據(jù)統(tǒng)計(jì)特征及點(diǎn)群的分布情況來(lái)劃分地物。ERDAS 的非監(jiān)督分類(lèi)是基于迭代自組織數(shù)據(jù)分析（ISODATA）算法實(shí)現(xiàn)的，算法的流程圖如圖1。結(jié)果輸出確定類(lèi)別中心像素聚類(lèi)設(shè)定初始聚類(lèi)中心開(kāi)始圖1 ISODATA算法流程圖ISODATA算法實(shí)現(xiàn)步驟：（1）按照某個(gè)原則確定一些初始聚類(lèi)中心。在實(shí)際操作時(shí)，要把初始聚類(lèi)設(shè)定得大些，同時(shí)引入各種參數(shù)控制迭代的次數(shù)。（2）像素聚類(lèi)與分析。計(jì)算像素與初始類(lèi)別中心的距離，把像素分配到最近的類(lèi)別中，從而獲得每個(gè)初始類(lèi)別的集群成員。（3）確定類(lèi)別中心。在全部像素按照各類(lèi)中心分類(lèi)后，重新計(jì)算每一類(lèi)新的均值，并作為下一次分類(lèi)的中心，并執(zhí)行上一步，循環(huán)迭代，直到達(dá)到迭代的次數(shù)。二、分類(lèi)過(guò)程運(yùn)用非監(jiān)督分類(lèi)對(duì)遙感圖像進(jìn)行分類(lèi)的過(guò)程，主要分為以下兩個(gè)步驟：1、動(dòng)非監(jiān)督分類(lèi)模塊，選擇輸入、輸出影像（1）在ERDAS面板工具中選擇Classifier-Classification-Unsupervised Classification，打開(kāi)非監(jiān)督分類(lèi)對(duì)話框。（2）選擇圖像處理文件（Input Raster File）和輸出文件（Output Cluster Layer Filename）設(shè)置被分類(lèi)的圖像和分類(lèi)結(jié)果，并選擇生成分類(lèi)模板文件（Output Signature Set）產(chǎn)生一個(gè)模板文件。2、初始參數(shù)，執(zhí)行非監(jiān)督分類(lèi)在非監(jiān)督分類(lèi)對(duì)話框中分別設(shè)置聚類(lèi)選項(xiàng)（Clustering Options）和處理選項(xiàng)（Processing Options）：（1）選擇Classifier-Unsupervised Classification命令，打開(kāi)非監(jiān)督分類(lèi)對(duì)話框，設(shè)定輸入輸出數(shù)據(jù)，設(shè)置聚類(lèi)選項(xiàng)（Clustering Options），確定初始聚類(lèi)方法和分類(lèi)數(shù)。（2）設(shè)置處理選項(xiàng)（Processing Options），確定循環(huán)次數(shù)和閾值。三、實(shí)驗(yàn)結(jié)果本次實(shí)驗(yàn)使用Initial from Statistics方法，分類(lèi)數(shù)為6，其它參數(shù)取默認(rèn)值。遙感圖像原圖如圖2。圖2 遙感圖像原圖非監(jiān)督分類(lèi)結(jié)果如圖3生成的模板文件如圖4圖3 非監(jiān)督分類(lèi)結(jié)果圖4 非監(jiān)督分類(lèi)模板文件對(duì)分類(lèi)圖像顏色進(jìn)行調(diào)整后的分類(lèi)結(jié)果如圖5對(duì)應(yīng)模板文件如圖6圖5 調(diào)整后的非監(jiān)督分類(lèi)結(jié)果圖6 調(diào)整后的模板文件三、實(shí)驗(yàn)結(jié)果分析1、從圖2、圖3的對(duì)比，可以看出，經(jīng)過(guò)非監(jiān)督分類(lèi)處理，水域、河流、道路、建筑區(qū)域、綠地這五大類(lèi)別被分類(lèi)出來(lái)的結(jié)果是很好的，但圖像的亮度有些偏低。2、從圖3、圖4的對(duì)比，可以得出結(jié)論，經(jīng)過(guò)顏色調(diào)整后的分類(lèi)結(jié)果更清晰，細(xì)節(jié)更突出，顏色的表示更符合人們的習(xí)慣。3、非監(jiān)督分類(lèi)在沒(méi)有經(jīng)驗(yàn)的條件下進(jìn)行，客觀、實(shí)際、具體，但也面臨著一些比較特殊的區(qū)域被分錯(cuò)誤的問(wèn)題。實(shí)驗(yàn)二 監(jiān)督分類(lèi)一、基本原理不同于非監(jiān)督分類(lèi)，監(jiān)督分類(lèi)基于先驗(yàn)知識(shí)，根據(jù)訓(xùn)練場(chǎng)提供的樣本選擇特征參數(shù)，建立判別函數(shù)，對(duì)待分類(lèi)點(diǎn)進(jìn)行分類(lèi)。訓(xùn)練場(chǎng)地的選擇是監(jiān)督分類(lèi)的關(guān)鍵，在監(jiān)督分類(lèi)中由于訓(xùn)練樣本的不同，分類(lèi)結(jié)果會(huì)出現(xiàn)極大的差異，因此應(yīng)選取有代表性的樣本，用于監(jiān)督分類(lèi)的訓(xùn)練樣本應(yīng)該是光譜特征比較均一的地區(qū)，在圖像中根據(jù)均一的色調(diào)估計(jì)只有一類(lèi)地物，且一類(lèi)地物的訓(xùn)練樣本可以選取一塊以上。此外，用做樣本的數(shù)目至少能滿足建立分類(lèi)用判別函數(shù)的要求，對(duì)于光譜特征變化比較大的地物，訓(xùn)練樣本要足夠得多，以反映其變化范圍。一般情況下，要得到可靠的結(jié)果，每類(lèi)至少選擇10100個(gè)訓(xùn)練樣本。監(jiān)督分類(lèi)的判別規(guī)則可以分為無(wú)變量和有變量?jī)煞N。其中，無(wú)變量包括特征空間、平等六面體，有變量包括最大似然、最小距離和馬氏距離。當(dāng)然，非參數(shù)規(guī)則與參數(shù)規(guī)則可以同時(shí)使用，但要注意應(yīng)用范圍。另外，如果使用非參數(shù)型模板，還要確定疊加規(guī)則和未分類(lèi)規(guī)則。二、實(shí)驗(yàn)過(guò)程1、定義分類(lèi)模板定義分類(lèi)模板操作包括分類(lèi)模板的生成、管理、評(píng)價(jià)和編輯等，功能主要由分類(lèi)模板編輯器（Signature Editor）完成，具體步驟包括：（1）需要分類(lèi)的影像點(diǎn)擊ERDAS-Viewer面板，打開(kāi)需要進(jìn)行分類(lèi)的圖像。（2）分類(lèi)模板編輯器選擇Classifier圖標(biāo)-Classification-Signature Editor命令，打開(kāi)分類(lèi)模板編輯器（Signature Editor）對(duì)話框。（3）屬性字段在分類(lèi)編輯器窗口中的分類(lèi)屬性表中有很多字段，可以對(duì)不需要的字段進(jìn)行調(diào)整。選擇分類(lèi)編輯窗口的View-Column，打開(kāi)View Signature Column對(duì)話框，選中需要顯示的字段，單擊Apply按鈕，顯示發(fā)生變化，單擊Close按鈕完成。（4）選取樣本基于先驗(yàn)知識(shí)，需要對(duì)遙感圖像選取訓(xùn)練樣本，包括產(chǎn)生AOI、合并、命名，從而建立樣本。考慮到同類(lèi)地物顏色的差異，因此在采樣過(guò)程中對(duì)每一地類(lèi)的采樣點(diǎn)不少于10個(gè)。（5）保存分類(lèi)模板選擇Signature Edit面板-File-Save命令，打開(kāi)保存對(duì)話框，確定是保存所有模板或是只保存被選中的模板，并確定保存分類(lèi)模板文件的目錄和文件名，單擊OK按鈕即可。2、監(jiān)督分類(lèi)建立滿意的分類(lèi)模板后，就需要在一定的分類(lèi)決策規(guī)則條件下，對(duì)像元進(jìn)行聚類(lèi)判斷。在選擇判別函數(shù)及相應(yīng)的準(zhǔn)則后，便可執(zhí)行監(jiān)督分類(lèi)，具體步驟如下：選擇Classifier圖標(biāo)-Supervised Classification命令，打開(kāi)Supervised Classification對(duì)話框，參數(shù)設(shè)置如下：（1） 選擇處理圖像文件（Input Raster File）。（2） 確定輸入分類(lèi)模板（Input Signature）。（3） 定義輸出分類(lèi)文件（Classified File）。（4） 設(shè)置輸出分類(lèi)距離文件為Distance File。（5） 選擇非參數(shù)規(guī)則（Non-Parametric Rule），一般選擇Feature Space，即選擇特征空間。（6） 選擇疊加規(guī)則（Overlap Rule），一般為Parametric Rule。（7） 選擇未分類(lèi)規(guī)則（Unclassified Rule）為Parametric Rule。（8） 選擇參數(shù)規(guī)則（Parametric Rule），一般選擇Maximum Likelihood，即最大似然。（9） 還可以定義分類(lèi)圖的屬性表項(xiàng)目，即單擊Attribute Options按鈕，進(jìn)行選擇。（10） 最后單擊OK按鈕，執(zhí)行監(jiān)督分類(lèi)。三、實(shí)驗(yàn)結(jié)果根據(jù)上述實(shí)驗(yàn)過(guò)程，可得分類(lèi)后結(jié)果如圖8，其中分類(lèi)模板如圖9。圖7 遙感影像原圖圖8 監(jiān)督分類(lèi)結(jié)果圖9 監(jiān)督分類(lèi)模板四、實(shí)驗(yàn)結(jié)果分析1、由圖8可以看出，河流、水域、綠色植物、道路、建筑物被分類(lèi)出來(lái)，但在水域中出現(xiàn)了河流的錯(cuò)誤分類(lèi)，這是不完美的。2、道路一地物被分的很亂，這可能與鄰近道路的像素與道路像素相近的原因引起的，這種問(wèn)題可以通過(guò)增加分類(lèi)各類(lèi)的辦法，將鄰近道路的像素分成另一類(lèi)的方法來(lái)解決。3、監(jiān)督分類(lèi)效果在一定程度上結(jié)合了人們所掌握的經(jīng)驗(yàn)知識(shí)，但還是不能完美的將人們所掌握的知識(shí)與計(jì)算機(jī)機(jī)械的分類(lèi)相結(jié)合，這是未來(lái)智能解譯很面臨的主要問(wèn)題之一。實(shí)驗(yàn)三 分類(lèi)后處理一、基本原理由于分類(lèi)嚴(yán)格按照數(shù)學(xué)規(guī)則進(jìn)行，分類(lèi)后往往會(huì)產(chǎn)生一些只有幾個(gè)像元甚至一兩個(gè)像元的小圖斑。這對(duì)分類(lèi)圖的分析、解譯和制圖，都是不利的，可通過(guò)幾種分類(lèi)后處理來(lái)解決。ERDAS中的分類(lèi)后處理方法有：聚類(lèi)統(tǒng)計(jì)、過(guò)濾分析、去除分析。1、 聚類(lèi)統(tǒng)計(jì)聚類(lèi)統(tǒng)計(jì)（Clump）是通過(guò)計(jì)算分類(lèi)專題圖像每個(gè)分類(lèi)圖斑的面積、記錄相鄰區(qū)域中最大圖斑面積的分類(lèi)值等操作，產(chǎn)生一個(gè)Clump類(lèi)組輸出圖像，其中每個(gè)圖斑都包含Clump類(lèi)組屬性。該圖像是一個(gè)中間文件，用于進(jìn)行下一步處理。2、 過(guò)濾分析Sieve功能是對(duì)經(jīng)Clump處理后的Clump類(lèi)組圖像進(jìn)行處理，按照定義的數(shù)值大小，刪除Clump圖像中較小的類(lèi)組圖斑，并給所有小圖斑賦予新的屬性值。顯然，這里引出了一個(gè)新的問(wèn)題，就是小圖斑的歸屬問(wèn)題?？梢耘c原分類(lèi)圖對(duì)比確定其新屬性，也可以通過(guò)空間建模方法、調(diào)用Delerows或Zonel工具進(jìn)行處理。Sieve經(jīng)常與Clump命令配合使用，對(duì)于無(wú)須考慮小圖斑歸屬的應(yīng)用問(wèn)題，有很好的作用。3、 去除分析去除分析是用于刪除原始分類(lèi)圖像中的小圖斑或Clump聚類(lèi)圖像中的小Clump類(lèi)組，與Sieve命令不同，將刪除的小圖斑合并到相鄰的最大的分類(lèi)當(dāng)中。而且，如果輸入圖像是Clump聚類(lèi)圖像的話，經(jīng)過(guò)Eliminate處理后，將小類(lèi)圖斑的屬性值自動(dòng)恢復(fù)為Clump處理前的原始分類(lèi)編碼。顯然，Eliminate處理后的輸出圖像是對(duì)分類(lèi)結(jié)果圖像進(jìn)行了制圖綜合。二、實(shí)驗(yàn)過(guò)程1、 聚類(lèi)分析在ERDAS圖標(biāo)面板菜單條中，選擇Main-Image Interpreter-GIS Analysis-Clump命令，打開(kāi)Clump對(duì)話框，如圖10，并設(shè)置下列參數(shù)。圖10 Clump對(duì)話框（1） 選擇處理圖像文件（Input File）。（2） 定義輸出文件（Output File）。（3） 選擇文件坐標(biāo)類(lèi)型（Coordinate Type）為Map/File。（4） 處理范圍確定（Subset Definition）：UL X/Y，LR X/Y。（5） 確定聚類(lèi)統(tǒng)計(jì)鄰域大?。–onnected Neighbors）：統(tǒng)計(jì)分析將對(duì)每個(gè)像元四周的N個(gè)相鄰像元進(jìn)行?？梢赃x擇4個(gè)方向或者8個(gè)相鄰的像元。（6） 點(diǎn)擊OK按鈕，關(guān)閉Clump對(duì)話框，執(zhí)行聚類(lèi)統(tǒng)計(jì)分析。2、 過(guò)濾分析在ERDAS圖標(biāo)面板菜單條中，選擇Main-Image Interpreter-GIS Analysis-Sieve命令，打開(kāi)Sieve對(duì)話框，如圖11，確定下列參數(shù)：（1） 選擇處理圖像文件（Input File）。（2） 定義輸出文件（Output File）。（3） 定義輸出文件坐標(biāo)類(lèi)型（Coordinate Type）：Map/File。（4） 定義輸出文件處理范圍（Subset Definition）：UL X/Y，LR X/Y。（5） 選擇處理的圖層（Select Layer）。（6） 忽略輸出統(tǒng)計(jì)零像元值Ignore Zero in Output Statistics。（7） 確定最小圖斑大?。∕inimum Size）。（8） 點(diǎn)擊OK按鈕，關(guān)閉Sieve對(duì)話框，執(zhí)行過(guò)濾分析。圖11 Sieve對(duì)話框3、 去除分析在ERDAS圖標(biāo)面板菜單條中，選擇Main-Image Interpreter-GIS Analysis-Eliminate命令，打開(kāi)Eliminate對(duì)話框，如圖12，確定下列參數(shù)：（1） 選擇處理圖像文件（Input File）。（2） 定義輸出文件（Output File）。（3） 定義輸出文件坐標(biāo)類(lèi)型（Coordinate Type）：Map/File。（4） 定義輸出文件處理范圍（Subset Definition）：UL X/Y，LR X/Y。（5） 選擇去除分析的圖層（Select Layer）。（6） 忽略輸出統(tǒng)計(jì)零像元值Ignore Zero in Output Statistics。（7） 確定最小圖斑大?。∕inimum Size）。（8） 點(diǎn)擊OK按鈕，關(guān)閉Elininate對(duì)話框，執(zhí)行去除分析。圖12 Eliminate對(duì)話框三、實(shí)驗(yàn)結(jié)果1、聚類(lèi)統(tǒng)計(jì)處理結(jié)果如圖13所示。圖13 聚類(lèi)統(tǒng)計(jì)處理結(jié)果2、過(guò)濾分析處理結(jié)果如圖14所示。圖14 過(guò)濾分析處理結(jié)果4、 去除分析處理結(jié)果如圖15、圖16所示。圖15 去除分析處理結(jié)果圖16 顏色調(diào)整后的去除分析處理結(jié)果四、實(shí)驗(yàn)結(jié)果分析1、經(jīng)過(guò)聚類(lèi)統(tǒng)計(jì)處理后，過(guò)濾分析過(guò)程完成較小的類(lèi)組圖斑的刪除、歸屬過(guò)程，從監(jiān)督分類(lèi)后的結(jié)果圖與過(guò)濾分析結(jié)果圖對(duì)比可以看出，原來(lái)圖像中較小的圖斑消失，被劃歸到相鄰大的圖斑中去了，這