遙感實(shí)習(xí)-dipa監(jiān)督分類與非

征分布規(guī)律，順其自然地進(jìn)行分類?；舅悸穪碓从诙嘧兞烤垲惙治觯╟lusteringysis作為聚類中心，回到第3步，進(jìn)行迭代操作；從專題制圖的角度還是從實(shí)際應(yīng)用的角度，都有必要對這些小圖斑進(jìn)行剔除或重新分類。ajorityMinority分析采用類似于卷積濾波的方法將較大類別中的虛假像元?dú)w到法，是指影像特征矢量與各個(gè)類中心的距離，變換分散度是TDivercd=[1-exp(-統(tǒng)計(jì)方法據(jù)最大然比則法建非性判別函集，計(jì)各待分樣區(qū)實(shí)參考總數(shù)（矩陣中A類列的總和）的比率。熟所以這次實(shí)習(xí)重新了2013年6月Landsat8/OLI影像。6，5，4（5×2因?yàn)橹皩?shí)習(xí)選用的影像是20143新了2013年6月27號的Landsat8/OLI影像。使用6，5，4波段合成彩色影Toolbox,RasterManagement,ResizeDataSpatial編編地物名色paddyR225G225R170G190reservoirR160G205barrenR200G205townR240G110R150G2406，5，4從RGB彩像獲取的感區(qū)用來定義訓(xùn)練樣本。在主界面中的圖層管理器中打開ROI工具，在ROITool框中，設(shè)置ROIName(樣本名稱)，ROIColor(樣本顏FileSaveallROIresulttotextfileExcel（在結(jié)果分析中ENVI使用計(jì)算ROI（ComputeROISeparability）工具來計(jì)算任意類于下列方法計(jì)算的：Jeffries-Matusit距離和轉(zhuǎn)換分離度（TransformedDivergence，來衡量訓(xùn)練樣本的可分離性。在ROI工具的菜單欄點(diǎn)擊Option,ComputeStatisticsfromROIs,選擇所有ROIOK，可分離性02irrigatedlandand01paddylandJM指數(shù)是1.77097458小于1.8，所以要返回ROI進(jìn)行修改，使其大于1.8.Option,ComputeROISeparabilityOK在主菜單中，選擇Classification->Supervised->LikelihoodClassification，在文件輸入框中選擇TM分類影像。單擊OK按鈕打開LikelihoodClassificationSetProbabilityThreshold：SingleValue，則在“ProbabilityThreshold01不被分入該類。這里選擇None。DataScaleFactor：輸入一個(gè)數(shù)據(jù)比例系數(shù)。這個(gè)比例系數(shù)是一個(gè)比值系數(shù)，用于將整型反射率或輻射率數(shù)據(jù)轉(zhuǎn)化為浮點(diǎn)型數(shù)據(jù)。例如：如果反射率數(shù)據(jù)在范圍0-值，將比例系數(shù)設(shè)為2n-1，n為數(shù)據(jù)的比特?cái)?shù)，例如：對于8-bit數(shù)據(jù)，設(shè)定的比例系數(shù)為255，對于10-bit數(shù)據(jù)，設(shè)定的比例系數(shù)為1023，對于11-bit數(shù)據(jù)，設(shè)定的比例系數(shù)為2047。單擊Preview，可以在右邊窗口中預(yù)覽分類結(jié)果，單擊ChangeView可以改變預(yù)覽打開ENVIClassic，打開監(jiān)督分類后的影像，在主窗口中點(diǎn)擊Overlay,Classification。Option,Editclasscolors/names，拖動滑塊修改地物顏色。調(diào)整顏色后的影像顯示如majorityToolbox,Classificationm,PostClassification,ClumpClasses。選擇分類擇所有分類類別，輸入形態(tài)學(xué)算子大?。?,3OKToolbox,Classificationm,PostClassification,SieveClasses.選擇上一步Toolbox,Classificationm,PostClassification,Majority/Minority滑。CenterPixelWeight（中心像元權(quán)重）:1.在判定在變換核中哪個(gè)類別占主體地將樣本保存為.XMLROIOption,ComputeStatisticsfromROIs,統(tǒng)計(jì)所有ROI值。分類結(jié)果和地表真實(shí)信息。使用地表真實(shí)感區(qū)之前，需要準(zhǔn)備反映地表物信息的ROI文件。打開Toolbox,Classification,PostClassification,ConfusionMatrixUsingGroundTruthROIs實(shí)感區(qū)將被自動加載到MatchClassesParameters框中。在MatchClassesParameters框中，在兩個(gè)列表中選擇所要匹配的名稱，再單擊AddCombination按鈕，把地表真實(shí)感區(qū)與最終分類結(jié)果相匹配。類別之間的匹配將顯示在框底部的列表中。單擊OK，輸出矩陣。打開Toolbox,Classification/UnsupervisedClassification/IsoDataClassification。選擇分類影像。NumberofClasses(類別數(shù)量范圍):一般輸入最小數(shù)量不能小于最終分類數(shù)量，最大數(shù)量為最終分類數(shù)量的2-3倍。um里選擇默認(rèn)。ChangeThreshold(變換閾值):當(dāng)每一類的變化像元數(shù)小于閾值時(shí)，結(jié)束迭代過程，閾值越小得到的結(jié)果越精確。MinimumPixelinClass:輸入形成一類所需歸并到距離最近的類中。umClassStdv(最大分類標(biāo)準(zhǔn)差):1，以像素值為單位，如果某一類的標(biāo)準(zhǔn)差比該閾值大，該類將被拆分成兩類。MinimumClass輸入的最小值，則類別并合并。umStdvFromMean(距離類別均值的最大標(biāo)準(zhǔn)差):篩選小于這個(gè)標(biāo)準(zhǔn)差的像元參與分類。umDistanceError(允許的最大距離OKOverlay,Classification,選擇非監(jiān)督分類后的結(jié)果。Options,Editclasscolors/names。File,SaveChangestoFile，保存結(jié)果。在ENVI5.1中打開修改過顏色的非監(jiān)督分類的結(jié)果。打開Toolbox,Classification,PostClassification,CombineClasses.選擇定義SelectInputClassSelectOutClass存現(xiàn)并入的類別，單擊AddCombination按鈕添加到合并方案中。合并方案顯示在CombinedClasses列表中。把左邊的全歸為右邊的某一類（右邊可能有好多個(gè)water，要選準(zhǔn)一個(gè)。合并方案確立之后點(diǎn)擊OK，打開CombineClassesOutputRemoveEmptyClassesYesOption,ComputeStatisticsfromROIs,統(tǒng)計(jì)所有ROI值。打開Toolbox,Classification,PostClassification,ConfusionMatrixUsingGroundTruthROIs。選擇檢驗(yàn)非監(jiān)督分類后的文件，地表真實(shí)感區(qū)將被自動加載到MatchClassesParameters框中。在MatchClassesParameters框中，在兩個(gè)列表中選擇所要匹配的名稱，再單擊AddCombination按鈕，把地表真實(shí)感區(qū)與最終分類結(jié)果相匹配。類別之間的匹配將顯示在框底部的列表中。單擊OK，輸出矩陣。在矩陣輸出窗口中設(shè)置OutputConfusionMatrix：選擇像素和百分比。單擊OK，輸出矩陣。在系數(shù)、20143新了2013年6月27號的Landsat8/OLI影像。使用6，5，4波段合成彩色影Toolbox,RasterManagement,ResizeDataSpatialSubset，F(xiàn)ile，5125126，5，4編地物名色paddyR225G225R170G190reservoirR160G205barrenR200G205townR240G110R150G240從RGB彩像獲取的感區(qū)用來定義訓(xùn)練樣本。在主界面中的圖層管理器中打開ROI工具，在ROITool框中，設(shè)置ROIName(樣本名稱)，ROIColor(樣本顏FileSaveallROIresulttotextfileExcel地物類型73：barren 采樣單元數(shù)1234567單變量統(tǒng)最值最值均標(biāo)差協(xié)方差矩相關(guān) 地物類型 采樣單元數(shù) 單變量統(tǒng)最 值最 值地地物類型11：paddy 采樣單元數(shù)1234567單變量統(tǒng)最值最值均標(biāo)差協(xié)方差矩相關(guān)均 標(biāo)差 協(xié)方差矩14 22 34 47 80 54 31 62 81 79 14相關(guān)1 2 3 4 5 6 地物類型 采樣單元數(shù)1 67單變量統(tǒng)最 值最 值均標(biāo)差協(xié)方差矩相關(guān)1234567單變量統(tǒng)最值最值均標(biāo)差協(xié)方差矩124832439538904435475306772 64 8 78 2相關(guān) 1 27 36 4 5 6 7地物類型 采樣單元數(shù)1 67單變量統(tǒng)最 值最 值均 標(biāo) 差協(xié)方差矩 1926 2 37 3 05 4 67 59 826230681976757294相關(guān)1234567ENVI使用計(jì)算ROI（ComputeROISeparability）工具來計(jì)算任意類于下列方法計(jì)算的：Jeffries-Matusit距離和轉(zhuǎn)換分離度（TransformedDivergence，來衡量訓(xùn)練樣本的可分離性。在ROI工具的菜單欄點(diǎn)擊Option,ComputeStatisticsfromROIs,選擇所有ROIOK，可分離性02irrigatedlandand01paddylandJM指數(shù)是1.77097458小于1.8，所以要返回ROI進(jìn)行修改，使其大于1.8.Option,ComputeROISeparabilityOKJMTransformed在主菜單中，選擇Classification->Supervised->LikelihoodClassification，在文件輸入框中選擇TM分類影像。單擊OK按鈕打開LikelihoodClassificationSetProbabilityThreshold：SingleValue，則在“ProbabilityThreshold01不被分入該類。這里選擇None。DataScaleFactor：輸入一個(gè)數(shù)據(jù)比例系數(shù)。這個(gè)比例系數(shù)是一個(gè)比值系數(shù)，用于將整型反射率或輻射率數(shù)據(jù)轉(zhuǎn)化為浮點(diǎn)型數(shù)據(jù)。例如：如果反射率數(shù)據(jù)在范圍0-值，將比例系數(shù)設(shè)為2n-1，n為數(shù)據(jù)的比特?cái)?shù)，例如：對于8-bit數(shù)據(jù)，設(shè)定的比例系數(shù)為255，對于10-bit數(shù)據(jù)，設(shè)定的比例系數(shù)為1023，對于11-bit數(shù)據(jù)，設(shè)定的比例系數(shù)為2047。單擊Preview，可以在右邊窗口中預(yù)覽分類結(jié)果，單擊ChangeView可以改變預(yù)覽打開ENVIClassic，打開監(jiān)督分類后的影像，在主窗口中點(diǎn)擊Overlay,Classification。Option,Editclasscolors/names，拖動滑塊修改地物顏色。調(diào)整顏色后的影像顯示如majorityToolbox,Classificationm,PostClassification,ClumpClasses。選擇分類擇所有分類類別，輸入形態(tài)學(xué)算子大小：3,3OKToolbox,Classificationm,PostClassification,SieveClasses.選擇上一步(3)Toolbox,Classificationm,PostClassification,Majority/Minority滑。CenterPixelWeight（中心像元權(quán)重）:1.在判定在變換核中哪個(gè)類別占主體地行Majority分析。處理后的圖像如下：將樣本保存為.XMLROIOption,ComputeStatisticsfromROIs,統(tǒng)計(jì)所有ROI值。分類結(jié)果和地表真實(shí)信息。使用地表真實(shí)感區(qū)之前，需要準(zhǔn)備反映地表物信息的ROI文件。打開Toolbox,Classification,PostClassification,ConfusionMatrixUsingGroundTruthROIs實(shí)感區(qū)將被自動加載到MatchClassesParameters框中。在MatchClassesParameters框中，在兩個(gè)列表中選擇所要匹配的名稱，再單擊AddCombination按鈕，把地表真實(shí)感區(qū)與最終分類結(jié)果相匹配。類別之間的配將顯示在框底部的列表中。單擊OK，輸出矩陣78092040030202240013錯(cuò)錯(cuò)漏漏用戶用戶制圖制圖Kappa（KappaCoefficient）它是通過把所有真實(shí)參考的像元總數(shù)（N）乘以積對所有類別求和的結(jié)果。結(jié)果k=73.96%.元正確分為A類的像元數(shù)（對角線值）與A類真實(shí)參考總數(shù)（矩陣中A類列的總地的制圖精度是16825/16885=99.64%。制圖精度=100%-漏分誤差。整個(gè)影像的像元分為A類的像元總數(shù)（矩陣中A類行的總和）比率。打開Toolbox,Classification/UnsupervisedClassification/IsoDataClassification。選擇分類影像。NumberofClasses(類別數(shù)量范圍):一般輸入最小數(shù)量不能小于最終分類數(shù)量，最大數(shù)量為最終分類數(shù)量的2-3倍。um里選擇默認(rèn)。ChangeThreshold(變換閾值):當(dāng)每一類的變化像元數(shù)小于閾值時(shí)，結(jié)束迭代過程，閾值越小得到的結(jié)果越精確。MinimumPixelinClass:輸入形成一類所需歸并到距離最近的類中。umClassStdv(最大分類標(biāo)準(zhǔn)差):1，以像素值為單位，如果某一類的標(biāo)準(zhǔn)差比該閾值大，該類將被拆分成兩類。MinimumClass輸入的最小值，則類別并合并。umStdvFromMean(距離類別均值的最大標(biāo)準(zhǔn)差):篩選小于這個(gè)標(biāo)準(zhǔn)差的像元參與分類。umDistanceError(允許的最大距離OKOverlay,Classification,選擇非監(jiān)督分類后的結(jié)果。Options,Editclasscolors/names。File,SaveChangestoFile，保存結(jié)果。在ENVI5.1中打開修改過顏色的非監(jiān)督分類的結(jié)果。打開Toolbox,Classification,PostClassifica