遙感圖像的分類實驗報告

2024-07-07

遙感圖像的分類實驗報告

　　面向對象法模擬人類大腦認知過程，將圖像分割為不同均質的對象，充分利用對象所包含的信息，將知識庫轉換為規則特征，從而提取影像信息。下面是小編為你帶來的遙感圖像的分類實驗報告，希望對你有所幫助。

　　一、實驗名稱

　　遙感圖像的監督分類與非監督分類

　　二、實驗目的

　　理解遙感圖像監督分類及非監督分類的原理；掌握用ENVI對影像進行監督分類

　　和非監督分類的方法，初步掌握圖像分類后的相關操作；了解整個實驗的過程以及實驗過程中要注意的事項。

　　三、實驗原理

　　監督分類：又稱訓練分類法，用被確認類別的樣本像元去識別其他未知類別像

　　元的過程。它是在分類之前通過目視判讀和野外調查，對遙感圖像上某些樣區中影像地物的類別屬性有了先驗知識，對每一種類別選取一定數量的訓練樣本，計算機計算每種訓練樣區的統計或其他信息，同時用這些種子類別對判決函數進行訓練，使其符合于對各種子類別分類的要求，隨后用訓練好的判決函數去對其他待分數據進行分類。

　　非監督分類：也稱為聚類分析或點群分類。在多光譜圖像中搜尋、定義其自然

　　相似光譜集群的過程。它不必對影像地物獲取先驗知識，僅依靠影像上不同類地物光譜（或紋理）信息進行特征提取，再統計特征的差別來達到分類的目的，最后對已分出的各個類別的實際屬性進行確認。目前比較常見也較為成熟的是ISODATA、K—Mean和鏈狀方法等。

　　四、數據來源

　　本次實驗所用數據來自于國際數據服務平臺；landsat4—5波段30米分辨率TM

　　第三波段影像，投影為WGS—84，影像主要為山西省大同市恒山地區，中心緯度：38。90407 中心經度：113。11840。

　　鑒于實驗內容及圖像大小等問題，故從一景TM影像中裁取一個含有較豐富地物

　　信息區域作為待分類影像。

　　五、實驗過程

　　1。監督分類

　　1。1打開并顯示影像文件，選擇合適的波段組合加載影像

　　打開并顯示TM影像文件，從 ENVI 主菜單中，選擇File → Open Image File選擇影像，為了更好地區分不同地物以及方便訓練樣本的選取，選擇5、4、3波段進行相關操作，點擊Load Band 在主窗口加載影像。

　　1。2使用感興趣區（ROI）工具來選擇訓練樣區

　　1）主影像窗口菜單欄中，選擇 Overlay >Region of Interest。出現ROI Tool對話框，

　　2）根據不同的地物光譜特征，在圖像上畫出包含該類地物的若干多邊形區域，建立相應的感興趣區域，輸入對應的地物名稱，更改感興趣區對應的顯示色彩。

　　由于該地區為山西省北部，地物相對單一，故分為以下幾類：裸地、草地、灌木林、農田、水體、人類活動區、云層，陰影。

　　1。3選擇分類方法進行分類

　　1）主菜單中，選擇Classification>Supervised，在對應的選項菜單中選擇分類方法，對影像進行分類。以最小距離法（Minimum Distance）為例進行說明。選擇Minimum Distance選項，出現Classification Input File對話框，在該對話框中選擇待分類圖像。

　　2）在出現的Minimum Distance Parameters對話框中，select Ttems

　　選擇訓練樣本，

　　定義相關參數，選擇輸出路徑。

　　點擊ok完成分類，結果如圖：

　　2。非監督分類

　　非監督分類方法有K—均值分類法及ISOData（重復自組織數據分析技術），本次實驗報告以K—均值分類方法為例進行說明。

　　1）主菜單中，選擇 Classincation>Unsupervised>K—Means。在Classification Input File對話框中選擇待分類影像文件。

　　2）在K—Means Parameters對話框中定義相關參數，其中，可定義參數有：分類類別數，像元變化閾值，用于分類的最多迭代次數以及可選的距離閾值。

相關推薦

【遙感圖像的分類實驗報告】相關文章：

文字圖像處理員求職信06-29