【文章內(nèi)容簡介】 心的樣本均值，故稱為 K均值算法。 jn jSC) The cluster means are then calculated and the pixels are reassigned to the new cluster centres 0 255 0 255 Band A Band B C 34 非監(jiān)督分類 ? 常用非監(jiān)督分類算法 ? K均值分類算法 ? K均值算法步驟 ⑷ 若 , j = 1,2,…,k ,則回到第二步，將全部樣本n重新分類，重復(fù)迭代計(jì)算。若 , j =1,2,…,k ,則結(jié)束。 ??1tjZ tjZ＝1?tjZ tjZD) The process is repeated until when the cluster centres move by less than a preset distance 0 255 0 255 Band A Band B D 35 非監(jiān)督分類 ? 常用非監(jiān)督分類算法 ? K均值分類算法 36 非監(jiān)督分類 ? 常用非監(jiān)督分類算法 ? K均值分類算法 37 非監(jiān)督分類 ? 常用非監(jiān)督分類算法 ? K均值分類算法 38 非監(jiān)督分類 ? 常用非監(jiān)督分類算法 ? K均值分類算法 可以看到，現(xiàn)在的每個(gè)像素都己經(jīng)被分給距離最近的類，總的離差平方和最小，因此分類過程到此結(jié)束。最終得到 K=2個(gè)類為 (A)和 (BCD)。 39 非監(jiān)督分類 ? 常用非監(jiān)督分類算法 ? ISODATA分類算法 ? 迭代自組織的數(shù)據(jù)分析算法 （ Iterative Selfanizing Data Analysis Techniques Algorithm）亦稱 ISODATA算法 。此種算法與 K均值算法有相似之處，即聚類中心也是通過樣本均值的迭代運(yùn)算來決定的，但 ISODATA算法加入了一些試探性步驟和人機(jī)交互功能，能吸取中間結(jié)果所得到的經(jīng)驗(yàn)，主要是在迭代過程中可將一類一分為二，亦可能將二類合二為一，亦即“自組織”，故這種算法已具有啟發(fā)式的特點(diǎn)。 40 非監(jiān)督分類 ? 常用非監(jiān)督分類算法 ? ISODATA分類算法 N— 所要求的類別數(shù)（實(shí)際的類別數(shù)目為 Nt） 。 I— 允許迭代的次數(shù)（實(shí)際已迭代的次數(shù)為 L） 。 Tm— 每類集群中樣本的最小數(shù)目 。 Ts — 集群分類標(biāo)準(zhǔn)，每個(gè)類的分散程度的參數(shù) (如最大標(biāo)準(zhǔn)差 )。 Tc — 集群合并標(biāo)準(zhǔn)，即兩個(gè)類中間的最小距離。 第一步 :指定算法控制參數(shù) 41 非監(jiān)督分類 ? 常用非監(jiān)督分類算法 ? ISODATA分類算法 第二步 :聚類處理 在已選定的初始類別參數(shù)的基礎(chǔ)上，按任一種距離判別函數(shù)進(jìn)行分類判別，從而獲得每個(gè)初始類別的集群成員。同時(shí)，對(duì)每一類集群（ i）累計(jì)其成員總數(shù)（ ni）、總亮度（ Σxij）及總亮度平方（ Σxij2） ，并按下式計(jì)算各類的均值 M和方差 σ2: 11 inij ij kkMxn ?? ?222 11()( 1 )iinni ijk ijkkkijiin x xnn? ???????然后將有關(guān)數(shù)值填入類別參數(shù)搜索表 j為波段序號(hào) 42 非監(jiān)督分類 ? 常用非監(jiān)督分類算法 ? ISODATA分類算法 第三步 :類別的取消處理 對(duì)上次趨近后的各類成員總數(shù) ni 進(jìn)行檢查，若 niTm 表示該類（ i）不可靠，應(yīng)將其從搜索表中刪除。同時(shí)修改類別數(shù) Ni 為 Ni1，返回第二步。 第四步 :判斷迭代是否結(jié)束 若當(dāng)前迭代次數(shù)（ L）已經(jīng)達(dá)到指定的次數(shù)，即 L=I，或者該次迭代所算得的各類中心 Mi與上次迭代的結(jié)果差別很?。深A(yù)先給定一個(gè)閾值），則趨近結(jié)束。此時(shí)搜索表中的有關(guān)參數(shù)將作為基準(zhǔn)類別參數(shù)，并用于構(gòu)建最終的判別函數(shù)。否則，繼續(xù)進(jìn)行以下步驟。 43 非監(jiān)督分類 ? 常用非監(jiān)督分類算法 ? ISODATA分類算法 第五步 :類別的分裂處理 對(duì)搜索表中的每一類進(jìn)行考核。判斷其最大的標(biāo)準(zhǔn)差分量 ? ?m a x 1 2m a x , , ,i i i in? ? ? ??是否超過限值 Ts，即若 σimaxTs，并滿足下列條件之一者，則第 I類需要進(jìn)行分類處理 : （條件一） NiN/2 即當(dāng)前類別數(shù)不及所要求的類別數(shù)的一半 （條件二） σ 即第 i類標(biāo)準(zhǔn)差大于總平均標(biāo)準(zhǔn)差 11 ni ijjn???? ?11 tNiitN???? ?其中 i?44 非監(jiān)督分類 ? 常用非監(jiān)督分類算法 ? ISODATA分類算法 第五步 :類別的分裂處理 分裂處理過程如下 : 定義兩個(gè)新類別 i39。 和 i39。39。 取代被分裂的類別，它們的均值和方差分別定義如下 : 13ij ij ijMM ?? ??13ij ij ijMM ??? ??23ij ij ij? ? ?? ????同時(shí)，修改類別總數(shù) Ni 為 Ni+1，并修改搜索表。注意每次允許分裂的類別數(shù)一般不應(yīng)超過已有類別數(shù)的一半。分裂處理結(jié)束后返回第二步作下一次迭代。若本次迭代沒有一個(gè)類別需要分裂，則轉(zhuǎn)入下一步進(jìn)行合并處理。 45 非監(jiān)督分類 ? 常用非監(jiān)督分類算法 ? ISODATA分類算法 第六步 :類別的合并處理 首先對(duì)已有的類別計(jì)算每兩類（ i與 k）中心間的距離 Dik，可以選用距離判別函數(shù)中的任一個(gè)，這里我們以絕對(duì)值距離為例 : 1nik ij k jjD M M???? ( 1 , 2 , , 1 。 1 , 2 , , )tti N k i i N? ? ? ? ?然后將所有 Dik與限值 Tc相互比較，若 DikTc，則把這兩類 (i,k)的合并為一類。合并后新類別的均值和方差為 : i ij k k jmjikn M n MMnn???2 2 2 22 [ ( ) ] [ ( ) ]i i j i j m j k k j k j m jmjikn M M n M Mnn??? ? ? ? ? ???同時(shí)修改總數(shù) Ni 為 Ni1 ，并把搜索表中的相應(yīng)內(nèi)容進(jìn)行更新。在迭代過程中，每次合并后的類別總數(shù)不應(yīng)小于指定的類別數(shù) N的半數(shù)，并類處理結(jié)束后返回第二步進(jìn)行下一次迭代。 46 非監(jiān)督分類 ? 常用非監(jiān)督分類算法 ? ISODATA分類算法 ISODATA法實(shí)質(zhì)上是以初始類別為“種子”進(jìn)行自動(dòng)迭代聚類的過程，它可以自動(dòng)地進(jìn)行類別的“合并”和“分裂”，其各個(gè)參數(shù)也在不斷地聚類調(diào)整中逐漸確定，并最終構(gòu)建所需要的判別函數(shù)。因此，可以說基準(zhǔn)類別參數(shù)的確定過程，也正是利用光譜特征本身的統(tǒng)計(jì)性質(zhì)對(duì)判別函數(shù)的不斷調(diào)整和“訓(xùn)練”的過程。 47 監(jiān)督分類 ? 通過對(duì)工作地區(qū)圖像的目視判讀、實(shí)地勘查或結(jié)合 GIS，我們可以獲得部分地物的分類信息。利用己知地物的信息對(duì)未知地物進(jìn)行分類的方法稱為 監(jiān)督分類 。 ? 監(jiān)督分類的前提是己知遙感圖像上樣本區(qū)內(nèi)地物的類別，該樣本區(qū)又稱為 訓(xùn)練區(qū) 。 ? 監(jiān)督分類的 基本過程 是：首先根據(jù)已知的樣本類別和類別的先驗(yàn)知識(shí)確定判別準(zhǔn)則，計(jì)算判別函數(shù)，然后將未知類別的樣本值代入判別函數(shù)，依據(jù)判別準(zhǔn)則對(duì)該樣本所屬的類別進(jìn)行判定。在這個(gè)過程中，利用己知類別樣本的