遥感原理实验报告4.docx
- 文档编号:17750481
- 上传时间:2023-08-03
- 格式:DOCX
- 页数:14
- 大小:1.37MB
遥感原理实验报告4.docx
《遥感原理实验报告4.docx》由会员分享,可在线阅读,更多相关《遥感原理实验报告4.docx(14页珍藏版)》请在冰点文库上搜索。
遥感原理实验报告4
实验报告
课程名称:
遥感原理与应用
系部名称:
测绘工程学院
专业班级:
测绘工程12-6班
学生姓名:
岳建男
学号:
20127024
指导教师:
刘江
黑龙江工程学院教务处制
实验项目
图像分类
实验日期
2015.8.25
实验地点
实验楼612
同组人数
1
实验台号
实验类型
√验证性□综合性□设计性□其他
1、实验目的
1)理解遥感图像计算机分类的原理和方法;
2)掌握监督分类的步骤和方法。
2、实验仪器设备
1.硬件环境:
计算机一台;
2.软件环境:
WindowsXP操作系统、ENVI4.7软件。
3、实验原理
遥感图像监督分类
监督分类(SupervisedClassification)用于在数据集中根据用户定义的训练样本类别(TrainingClasses)聚类像元。
训练样本类别是像元的集合或者单一波谱,通常的训练区采用ROI来选择,而且应该尽可能的选择纯净的感兴趣区域。
4、实验内容或步骤
实验步骤
♦打开并显示LandsatTM影像
1.从ENVI主菜单中,选择File→OpenImageFile,打开Can_tmr.img,然后点击OK。
2.在可用波段列表中,选择RGBColor单选按钮,然后使用鼠标左键,顺次点击波段4、波段3和波段2。
所选择的波段就会在对话框中部适当的文本框中显示出来。
3.点击LoadRGB按钮,把该影像加载到一个新的显示窗口中。
♦查看影像颜色
使用显示窗口中的彩色影像来指导分类。
该影像相当于一幅假彩色合成的近红外照片。
即使只使用简单的三波段影像,也可以看到影像中存在有光谱特征相似的区域。
影像中的亮红色区域表明该地区近红外反射较高,通常对应为茂盛的植被,位于耕种区内或者沿着河流分布。
浅暗红色区域代表了当地的植被,在这种情况下,分布在高低不平的山区地带,主要对应为针叶林。
根据几个明显的地形特征和城市化的类型特点也可以从影像上识别出城市区来。
下图显示了加载这些波段后的主
影像窗口。
Canon市的LandsatTM影像
♦光标位置/值
使用ENVI的CursorLocation/Value对话框,来查看显示窗口中的各波谱波段的影像值。
要打开一个显示主影像窗口,滚动窗口,或者缩放窗口中光标位置信息的对话框,可以按如下几步进行。
1.从主影像窗口菜单中,选择Tools→CursorLocation/Value。
或者,在影像显示窗口中双击鼠标左键,触发CursorLocation/Value对话框打开和关闭。
2.在影像上移动光标,并在对话框中查看特定位置的影像数据值。
注意影像颜色和数据值之间的关系。
3.当处理完成后,在CursorLocation/Value对话框中,选择Files→Cancel,来关闭该对话框。
♦查看波谱曲线图
使用ENVI整套的波谱剖面曲线分析工具,来查看数据的波谱特性。
1.从主影像窗口菜单栏中,选择Tools→Profiles→ZProfile(Spectrum),开始提取波谱的剖面曲线。
2.查看先前在彩色影像中用Cursor/LocationValue对话框分析过的那些区域的波谱剖面曲线。
注意影像颜色和波谱形状之间的关系。
特别留意一下绘制图中,红、绿、蓝的三条垂直线所对应的影像波段的位置。
Canon市的LandsatTM影像的某条波谱剖面曲线
3.在SpectralProfile对话框中,选择File→Cancel,来关闭该对话框。
♦监督法分类
(1)类别定义/特征判别
根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统;对影像进行特征判断,评价图像质量,决定是否需要进行影像增强等预处理。
这个过程主要是一个目视查看的过程,为后面样本的选择打下基础。
所采用的多光谱影像为美国科罗拉多州(Colorado)Canon市的LandsatTM影像数据。
首先将使用彩色合成影像,来识别出分类中所用的训练样区。
类别分为:
林地、草地/灌木、耕地、裸地、沙地、其他六类。
(2)样本选择
为了建立分类函数,需要对每一类别选取一定数目的样本,在ENVI中是通过感兴趣区(ROIs)来确定,也可以将矢量文件转化为ROIs文件来获得,或者利用终端像元收集器(EndmemberCollection)获得。
创建自己的感兴趣区(ROIs)
1.以543波段打开影像,从主影像窗口菜单栏中,选择Overlay→RegionofInterest。
接着对应于显示窗口的ROITool对话框就会出现在屏幕上,设置好颜色和类别名称(支持中文名称)。
2.在主影像窗口中,绘制出一个多边形,该多边形就代表了新创建的感兴趣区。
要完成这一步,请按下面的步骤进行。
●在主影像窗口中,点击鼠标左键,建立感兴趣区多边形的第一个点。
●再次点击鼠标左键,按顺序选择更多的边线点,点击鼠标右键来闭合该多边形。
鼠标中键可以被用来删除最新定义的点,或者(如果你已经闭合了该多边形)删除整个多边形。
再一次点击鼠标右键,固定多边形的位置。
●通过选择ROITool对话框顶部相应的Window各单选按钮,感兴趣区也可以在缩放窗口Image和滚动窗口Scroll中被定义。
感兴趣区定义完后,它就会在对话框的可用区域(AvailableRegions)列表中显示出来,同时显示的还包括感兴趣区的名字、颜色以及所包含的像素总数。
定义的感兴趣区对所有的ENVI分类程序都有效。
3.要定义一个新的感兴趣区,点击NewRegion按钮。
4.采用数学统计方法进行样本验证。
定量方法:
在ROITool面板中,选择Option->ComputeROISeparability,计算样本的可分离性。
在SelectInputFileforROISeparability对话框中选择can_tmr.img文件,进行分离性计算,点击OK。
在ROISeparabilityCalculate对话框中,点击SelectALLItems选中所有样本,点击OK。
如下图所示,表示各个样本类型之间的可分离性,用Jeffries-Matusita,TransformedDivergence参数表示,这两个参数的值在0~2.0之间,大于1.9说明样本之间可分离性好,属于合格样本;小于1.8,需要重新选择样本;小于1,考虑将两类样本合成一类样本。
(如需重新选择样本,可在ROITool对话框中,使各类处理可激活状态,点击GoTo,查看样本)
定性方法:
利用ENVI可适化方法,在ROITool面板中,选择File→ExportROIston-Dvisualizer
在n-DControl对话框中,选择Class按钮,变换颜色进行修改。
修改后,在n-DControl对话框中,选择Option→ExportAll,输出样本。
在ROITool面板中,选择Option->ComputeROISeparability,计算新样本的可分离性。
(3)分类器选择
根据分类的复杂度、精度需求等确定哪一种分类器。
目前监督分类可分为基于传统统计分析学的,包括平行六面体、最小距离、马氏距离、最大似然,基于神经网络的,基于模式识别,包括支持向量机、模糊分类等,针对高光谱有波谱角(SAM),光谱信息散度,二进制编码。
(4)影像分类
1.主菜单下选择Classification→Supervised→MaximumLikelihood,在ClassificationInputFile对话框中选择分类文件,单击ok。
2.在MaximumLikelihoodParameters对话框,可点击Preview预览分类结果。
3.分类结果如图
(5)分类后处理
分类后处理包括的很多的过程,都是些可选项,包括更改类别颜色、分类统计分析、小斑点处理(类后处理)、栅矢转换等操作。
1.单击主影像窗口中的Overlay→Classification,在InteractiveClassToolInputFile中,选择分类结果文件,点击ok。
2.在弹出的InteractiveClassTool对话框中,选择Option→EditClasscolor/names,可修改颜色和名称。
注意:
也可以在Display->ColorMapping->ClassColorMapping。
如下图所示,直接可以在对应的类别中修改颜色。
也可以根据一个显示的RGB影像来自动分配类别颜色,打开主菜单->Classification->PostClassification->AssignClassColors。
3.编辑好颜色和名称后,在InteractiveClassTool对话框中,Edit→Mode:
polygonAddtoClass,进行编辑(与选ROI类似)。
4.在InteractiveClassTool对话框中,选择File→SavetoChangetoFile进行保存。
5.小斑点处理(类后处理)
运用遥感影像分类结果中,不可避免地会产生一些面积很小的图斑。
无论从专题制图的角度,还是从实际应用的角度,都有必要对这些小图斑进行剔除和重新分类,目前常用的方法有Majority/Minority分析、聚类(clump)和过滤(Sieve)。
Majority/Minority分析和聚类(clump)是将周围的“小斑点”合并到大类当中,过滤(Sieve)是将不符合的“小斑点”直接剔除。
在主菜单Classification→PostClassification→Majority/MinorityAnalysis。
在ClassificationInputFile中,选择分类后的文件。
6.在Majority/MinorityParameters中,单击SelectAllItems,点击OK。
(5)精度验证
1.显示原图像,在图像窗口,选择Overlay→ROI,打开验证样本。
2.在主菜单Classification→PostClassification→ConfuseMatrix→UsingGroundTrueROIs,在ClassificationInputFile中选择做Majority分析的文件。
3.在MatchClassesParameters中,选择关联文件后,点击AddCombination,后选择ok。
(6)分类统计分析
基本统计:
类别的像元数、最大最小值、平均值等,直方图,协方差等信息。
1.在主菜单->Classification->PostClassification->ClassStatistics。
分别选择做Majority分析的文件和原图像文件Can_tmr.img。
2.在ClassSelectiong中,选择需要做统计的类别。
如下图;
3.选择统计参数;
4.统计结果如图示;
(7)栅矢转换
1.打开主菜单->Classification->PostClassification->ClassificationtoVector。
在RastertoVectorInputBand中,选择做过Majority分析的文件,后点击ok,可以将分类后得到的结果转化为矢量格式。
或者主菜单->Vector->RastertoVector,在选择输出参数时候,可以选择特定的类别,也可以把类别单独输出为矢量文件或者一个矢量文件。
2.在RasterToVectorParameters中选择生成矢量的类别。
3.可在AvailableVectorList→File中选择保顾矢量的形式。
3.矢量结果如图。
♦非监督法分类
IsoData(迭代自组织数据分析技术)
IsoData非监督分类法将计算数据空间中均匀分布的类均值,然后用最小距离规则将剩余的像元进行迭代聚合。
每次迭代都重新计算均值,且根据所得的新均值,对像元进行再分类。
这一处理过程持续到每一类的像元数变化少于所选的像元变化阈值或者达到了迭代的最大次数。
1.从ENVI主菜单中,选择File→OpenImageFile,打开Can_tmr.img,然后点击OK。
2.ENVI主菜单下选择Classification→Unsupervised→IsoData,在ClassificationInputFile对话框中选择分类文件Can_tmr.img,单击ok。
3.在ISODATAParameters对话框中,设置各参数,如图,选择存储路径后,点击ok;
4.分类结果如图;
5.判别类别;打开目视解译底图,以波段543组合,显示在Display中。
6.在Can_tmr.img影像窗口中,选择Overlay→Classification,在InteractiveClassToolInputFile选择框中,选择非监督分类的结果。
单击OK,打开InteractiveClassTool对话框。
7.在InteractiveClassTool选择框中,勾选类别前面的“On”选择框,就能把此类结果叠加显示在Display窗口上,识别此分类类别。
8.在InteractiveClassToolInputFile选择框中,选择Option→EditClasscolor/names,调出ClassMapEditing对话框,重新定义类别名称和合并类别后定义颜色。
9.在InteractiveClassTool选择框中,选择File→SaveChangetoFile,保存修改结果。
10.合并子类;在ENVI主菜单中,选择Classification→PostClassification→CombineClasses。
在CombineClassesInputFile对话框中,选择定义好的分类结果。
点击ok,弹出CombineClassesParameters对话框。
11.在CombineClassesParameters对话框中,从SelectInputClass中选择合并的类别,从SelectoutputClass中选择并入的类别,然后单击AddCombination按钮,添加到合并方案中。
合并后的类别方案,显示在CombinedClasses中,点击OK。
12.在CombineClassesOutput对话框中,RemoveEmptyClasses,选择yes,将空白类别移除,选择存储路径,点击OK。
13.分类结果如图。
14.分类结果颜色更改方法如下图。
15.分类后处理,参考监督分类法;
五、实验中存在的问题、解决方法及进一步的想法等
存在问题:
对于分类的方法很生疏,导致做的非常慢
解决方法:
对于每种方法,我都进行多次的尝试,最后能够熟练操作
想法:
希望每一步后面都有注释,说明功能什么意思
六、教师评语
成绩
指导教师签字:
年月日
注:
1、此报告为参考格式,各栏项目可根据实际情况进行调整;
2、“实验仪器设备”一栏:
设计性实验根据实验条件对实验仪器设备提出具体要求;
3、“实验内容或步骤”一栏:
设计性实验需填写设计方案。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 遥感 原理 实验 报告