監(jiān)督分類(lèi)中常用的具體分類(lèi)方法

監(jiān)督分類(lèi)中常用的具體分類(lèi)方法包括：最小距離分類(lèi)法（minimum distance classifier）：最小距離分類(lèi)法是用特征空間中的距離作為像元分類(lèi)依據(jù)的。最小距離分類(lèi)包括最小距離判別法和最近鄰域分類(lèi)法。最小距離判別法要求對(duì)遙感圖像中每一個(gè)類(lèi)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(lèi)別之間的距離，然后將其歸屬于距離最小的一類(lèi)。最近鄰域分類(lèi)法是上述方法在多波段遙感圖像分類(lèi)的推廣。在多波段遙感圖像分類(lèi)中，每一類(lèi)別具有多個(gè)統(tǒng)計(jì)特征量。最近鄰域分類(lèi)法首先計(jì)算待分象元到每一類(lèi)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(lèi)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(lèi)別的距離，最后比較該待分象元到所有類(lèi)別間的距離，將其歸屬于距離最小的一類(lèi)。 最小距離分類(lèi)法原理簡(jiǎn)單，分類(lèi)精度不高，但計(jì)算速度快，它可以在快速瀏覽分類(lèi)概況中使用。多級(jí)切割分類(lèi)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(lèi)方法。通過(guò)分割得到的多維長(zhǎng)方體對(duì)應(yīng)各分類(lèi)類(lèi)別。經(jīng)過(guò)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(lèi)。這種方法要求通過(guò)選取訓(xùn)練區(qū)詳細(xì)了解分類(lèi)類(lèi)別（總體）的特征，并以較高的精度設(shè)定每個(gè)分類(lèi)類(lèi)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(lèi)法要求訓(xùn)練區(qū)樣本選擇必須覆蓋所有的類(lèi)型，在分類(lèi)過(guò)程中，需要利用待分類(lèi)像元光譜特征值與各個(gè)類(lèi)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(lèi)別特征子空間中，直到完成各像元的分類(lèi)。多級(jí)分割法分類(lèi)便于直觀理解如何分割特征空間，以及待分類(lèi)像元如何與分類(lèi)類(lèi)別相對(duì)應(yīng)。由于分類(lèi)中不需要復(fù)雜的計(jì)算，與其它監(jiān)督分類(lèi)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(lèi)別在特征空間中呈現(xiàn)傾斜分布，就會(huì)產(chǎn)生分類(lèi)誤差。因此運(yùn)用多級(jí)分割法分類(lèi)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(lèi)法(maximum likelihood classifier)：最大似然分類(lèi)法是經(jīng)常使用的監(jiān)督分類(lèi)方法之一，它是通過(guò)求出每個(gè)像元對(duì)于各類(lèi)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(lèi)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(lèi)可靠性將下降，這種情況下不宜采用最大似然分類(lèi)法。最大似然分類(lèi)法在多類(lèi)別分類(lèi)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(lèi)類(lèi)別k的（后驗(yàn)）概率。設(shè)從類(lèi)別k中觀測(cè)到x的條件概率為P(x|k)，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(lèi)別k的先驗(yàn)概率，它可以通過(guò)訓(xùn)練區(qū)來(lái)決定。此外，由于上式中分母和類(lèi)別無(wú)關(guān)，在類(lèi)別間比較的時(shí)候可以忽略。最大似然分類(lèi)必須知道總體的概率密度函數(shù)P(x|k)。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(guò)數(shù)學(xué)方法化為正態(tài)問(wèn)題來(lái)處理)，因此通?？梢约僭O(shè)總體的概率密率函數(shù)為多維正態(tài)分布，通過(guò)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(lèi)別k的歸屬概率Lk表示如下（這里省略了和類(lèi)別無(wú)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(lèi)別k的先驗(yàn)概率；Lk(x)：像元X歸并到類(lèi)別k的歸屬概率；X：像元向量；k類(lèi)別k的平均向量(n維列向量)；det：矩陣A的行列式k：類(lèi)別k的方差、協(xié)方差矩(nn矩陣).這里注意:各個(gè)類(lèi)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(lèi)法。當(dāng)各類(lèi)別的方差、協(xié)方差矩陣相等時(shí)，歸屬概率變成線性判別函數(shù)，如果類(lèi)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(lèi)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(lèi)的流程圖可以表示如下：圖2-1監(jiān)督分類(lèi)流程圖監(jiān)督分類(lèi)注意事項(xiàng)（1）分類(lèi)應(yīng)從下往上，即每一地類(lèi)應(yīng)先細(xì)分為若干小類(lèi)，然后再依需要自下而上合并成大類(lèi)。（2）每一類(lèi)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(lèi)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)，再次分類(lèi)，直到精度滿足要求為止。監(jiān)督分類(lèi)過(guò)程示例1圖2-2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(lèi)類(lèi)別通過(guò)色調(diào)、紋理等圖像特征，確定該區(qū)域分類(lèi)類(lèi)別為水體，植被和灘涂。各類(lèi)分類(lèi)特征如表2-1所示。表2-1分類(lèi)特征3為每一類(lèi)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2-3所示）。圖2-3AOI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 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(kāi)一個(gè)特征文件。新建一個(gè)特征文件/打開(kāi)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(huà)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(lèi)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。（注：作為示例，本例選擇3個(gè)AOI區(qū)域，且沒(méi)有細(xì)分小類(lèi)。）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(lèi)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2-6（3）合并特征文件在各個(gè)類(lèi)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(kāi)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(lái)，而非“Replace”（替換）。如圖2-7所示。圖2-7添加特征文件把水體特征文件添加進(jìn)來(lái)之后，全部選中所有的特征，如圖2-8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2-9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(lèi)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2-11所示。圖2-11結(jié)果特征文件（4）分類(lèi)選擇“Erdas” “Classifier” “Supervised Classification”，在分類(lèi)設(shè)置對(duì)話框中如圖2-12設(shè)置。圖2-12監(jiān)督分類(lèi)設(shè)置在該對(duì)話框中，使用 輸入待分類(lèi)的圖像“subset.img”、分類(lèi)特征文件“結(jié)果特征文件.sig”并指定分類(lèi)結(jié)果的保存路徑及名稱，如“分類(lèi)結(jié)果.img”。分類(lèi)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(lèi)。運(yùn)算完畢界面如圖2-13示。圖2-13運(yùn)算完成（5）分類(lèi)結(jié)果分類(lèi)的結(jié)果如圖2-14所示。圖2-14分類(lèi)結(jié)果為了更好的表達(dá)分類(lèi)結(jié)果，可以使用Viewer窗口中的“Raster” “Attributes”，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2-15調(diào)整顏色調(diào)整顏色后的分類(lèi)結(jié)果如圖2-16所示。精度檢驗(yàn)同時(shí)打開(kāi)原始影像和分類(lèi)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(kāi)原始影像“Subset.img”，調(diào)入內(nèi)存。使用“View” “Select Viewer”，選擇已經(jīng)打開(kāi)的分類(lèi)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(lèi)別代碼（即分類(lèi)時(shí)指定的Value值）。如本例中存儲(chǔ)的GPS點(diǎn)文件如表2-3所示表2-3 GPS點(diǎn)位491355.864486746.252491070.454487008.523490754.194484941.222486997.564485905.443486797.004486707.683492096.394486615.111489118.864486815.963486434.454483151.611486920.424483028.193487375.534482665.641488069.784482449.652491070.454482657.931492266.094484439.821489604.834483167.041486881.854487216.791487984.934487085.661490769.614487116.511489905.674483483.303489080.294483606.733487074.704483120.752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 User-defined Point