205_彪_图像分类

杭州师范大学实验报告图像分类遥感数字图像处理方法杭州师范大学遥感数字图像处理方法实验报告实验名称：图像分类姓名：学号：2425班级：地信141老师：成绩：2016年5月25号杭州师范大学实验报告图像分类遥感数字图像处理方法实验八图像分类1实验目的理解遥感图像非监督分类和监督分类的算法差异，掌握监督分类的工作流程。2要求能够根据合成的图像勾绘典型地物类。理解特征选择对分类结果的影响。能够分析典型地物类之间的光谱差异。能够进行监督和非监督分类操作。能够进行分类图像后处理。3实验内容对比非监督分类和监督分类的实验结果；对比ISODATA与最大相似的分类的差异，并解释产生差异的原因；最大似然法监督分类结果的后处理。下表是根据目视解译判别标志建立的分类体系4实验步骤4.1IsoData非监督分类（自组织分类）利用envi打开njWork图像。在#1窗口(5,4.3)合成显示主菜单ClassificationUnsupervisedIsoData。在弹出的“IsoDataParameters”，设置分类基本参数。参数设置如图8.1。输出结果保存为njWorkiso0,其参数不变，确定。杭州师范大学实验报告图像分类遥感数字图像处理方法图8.1IsoData参数设置窗口在#2窗口显示分类结果（已经默认进行密度分割），如图8.2。图8.2非监督分类结果图问题1：可以利用密度分割工具查看分为几类。分类结果不太准确，在紫荆山上的植被区也有大部分被分为红色的水体区。4.1.1改变使用的图像特征重新分类。指光谱子集为4，5，7波段，IsoData参数设置窗口默认保持不变。输出结果为njWorkIso1。用#3显示重新份分类的结果。连接#1，#2，#3，如图8.3杭州师范大学实验报告图像分类遥感数字图像处理方法图8.3图像分类结果图对比问题2使用新的分类结果，水体信息分类得到改善。在红外波段，水体信息和其他地物信息区分比较明显。4.2监督分类监督分类采用平行管道法和最大似然法4.2.1建立感兴趣区用envi打开njWork，用#1窗口进行（5，4，3）标准假彩色合成。建立ROI感兴趣区（RIO是监督分类中的标准地物区域。ROI必须具有代表性，并覆盖一定的面积）在#1窗口，单击ToolsRegionofInterestROITool。显示的ROI窗口。设置如下绘制ROI窗口为ZoomROI名称：感兴趣区实际地物的名称颜色：自定义将感兴趣区地物的颜色ROI类型：多边形根据建立好的地物标志，构建感兴趣区，并保存。感兴趣区窗口如图8.4杭州师范大学实验报告图像分类遥感数字图像处理方法图8.4ROITool窗口4.2.2统计ROI的光谱特征在ROITool窗口，点击SelectAll，Stats。显示图像结果窗口。在ROI统计窗口，选择绘图（selectplot）为均值（meanforallROI）。在图形窗口，右键单击，弹出菜单。选择Plot_FunctionXaxis:index图8.5左图在ROI统计窗口，选择绘图（selectplot）为标准差stdevforallROIs图8.5右图杭州师范大学实验报告图像分类遥感数字图像处理方法图8.5ROI统计窗口问题3在第4，5波段，其可分离性最好。4.2.3平行管道法在主菜单ClassificationSupervisedParallelepiped(平行管道法)。选择图像为njWork，使用所有特征。在弹出的窗口中，单击“selectallitem”，使用所有已经定义的ROI。设置图像输出为njWorkpp_c。规则输出为：njWorkpp_r。如图8.6。单击OK。杭州师范大学实验报告图像分类遥感数字图像处理方法图8.6平行管道法分类参数窗口不同窗口链接比较，如图8.7图8.7不同窗口链接比较在窗口#4显示各个类别的规则图像，如图8.8。像素值越高，表明属于该类的概率越大。图8.8平行管道法部分分类的分类规则图图7.9说明：河水、道路和耕地错分很多。江水和河水错分，道路分布过大，耕地与城杭州师范大学实验报告图像分类遥感数字图像处理方法镇混淆。4.2.4最大似然法在主菜单ClassificationSupervisedmaximumlikelihood(最大相似法)。选择图像为njWork，使用所有特征。结果保存到njworkmax_c和njworkmax_r。如图8.9图8.9最大似然法窗口SingleValue：所有的类使用相同的概率阈值。MultipleValue:每个类指定一个概率阈值。计算的像素最大概率值大于某类指定的阈值时归于该类。DataScleFactor:与数据的分布有关。对于浮点数据，建议数据使用前进行标准化。#5显示分类后的图像，#6显示其规则图像，如图8.10杭州师范大学实验报告图像分类遥感数字图像处理方法图8.10分类结果图像4.2.5利用规则图像调整分类结果主菜单：ClassificationpostClassificationruleimageclassifer。打开用最大似然法得到的规则图像njWorkmac_r如图8.11图8.11规则图像分类窗口在#4窗口打开最大似然法得到的规则图像（湖水），对Scroll窗口进行线性拉伸。利用杭州师范大学实验报告图像分类遥感数字图像处理方法光标位置值和直方图（直方图来源为Band，根据图像设定直方图的最大和最小值），确定类的阈值。如图8.12，利用光标位置法，确定阈值。将光标在湖水中移动，确定最大值和最小值，可以确定其阈值为10。图8.12光标位置值法确定阈值也可以利用直方图法，确定阈值为10，如图8.13图8.13直方图法确定阈值同样确定其他分类的阈值，其结果填在规则图像分类窗口中，如下图8.14杭州师范大学实验报告图像分类遥感数字图像处理方法图8.14确定各类阈值点击快速应用，其重新份分类结果如下图8.15图8.15新的分类结果图8.15说明：新的分类结果，水体间的区分效果十分好，城市，道路和林地的区分效果也不错，分类结果得到改善。将新分类结果保存到文件njWorkYUZHI杭州师范大学实验报告图像分类遥感数字图像处理方法4.3分类后处理4.3.1类别集群使用数学形态学的方法将相邻相似的区域合并，以保证空间的连续性。处理结果保存到内存中。顺序对江水使用5*5的窗口，河水和湖泊使用3*3的窗口进行操作。每次仅对一个类进行操作。保存最后结果为njWorkmax_cwatercp主菜单：ClassificationpostClassificationclumpclasses选择图像njWorkYUZHI（自定义阈值的方法产生的图像）。如图8.16图8.16对江水进行Clump处理处理后的结果和处理前的结果对比，如图8.17杭州师范大学实验报告图像分类遥感数字图像处理方法图8.17江水clump处理对比图依次对其他类进行处理，最终结果如图8.18图8.18对水体进行clump处理的结果图4.3.2类别筛选类别筛选是将孤立的像素从分类中独立出来。独立后的使用黑色显示。主菜单：ClassificationpostClassificationSieveclasses其结果如图8.19杭州师范大学实验报告图像分类遥感数字图像处理方法图8.19类别筛选4.3.3主/次要分析指定窗口中的孤立的像素值会被指定为像素较多的值。必须指定两个类，否则无效。主菜单：ClassificationpostClassificationmajority/minorityanalysis两个类分别为耕地和城镇。将处理前的处理后的图像Link起来。结果如图8.20图8.20处理结果（左：处理后的图像，右：处理前的图像）4.3.4分类统计主菜单：ClassificationpostClassificationclassstatics分类文件：njWorkmax_c统计文件：njWork统计类别：所有的类别；杭州师范大学实验报告图像分类遥感数字图像处理方法结果保存到njWorkmax_c_class_report.txt如图8.21图8.21统计结果4.3.5分类结果矢量化将njWorkmax_cwatercp保存为geotiff格式。如图8.22图8.22保存为geotiff格式将保存的文件打开主菜单：ClassificationpostClassificationclassificationtovector杭州师范大学实验报告图像分类遥感数字图像处理方法矢量化完成后，弹出8.23的窗口，选择要转换的层。通过file下的exportlayerstoshape进行转换。保存文件名为njworkmax_cwatercp.shap图8.23当前可用的矢量图层窗口在arcgis中叠加geotiff图像显示，如图8.24图8.24矢量文件叠加