遙感圖象目視解譯與制圖培訓(xùn)課程-資料下載頁
2025-03-08 10:26本頁面
【正文】 IMAGINE的監(jiān)督分類是基于分類模板來進(jìn)行的 ， 分類模板的生成 、 管理 、評價和編輯等功能是由分類模板編輯器來完成的 。 ? 在分類模板編輯器中，用鼠標(biāo)勾畫典型區(qū)域，每個土地類型要求多個采樣點，當(dāng)全部類型采集完成后，把模板中每一類的多個樣本值進(jìn)行合并，這樣得到每一類一個新的綜合的光譜特征值，作為該類的特征值。 ? C、評價分類模板 ? 在對遙感影象做全面分類之前 ， 我們對所選的訓(xùn)練區(qū)樣本以及由訓(xùn)練區(qū)樣本所建立的判別函數(shù)是否有效等問題并無足夠的把握 ， 因此在全面分類前要進(jìn)行分類模板的評價 ， 即用訓(xùn)練區(qū)的樣本進(jìn)行試分類 。 ? 分類模板評價工具包括分類預(yù)警、可能性矩陣、特征對象、特征空間到空間掩膜、直方圖法、分類統(tǒng)計分析等。 ? 以可能性矩陣為例 ， 它主要是分析訓(xùn)練區(qū)的像元是否完全落在相應(yīng)的類別中 。其輸出結(jié)果是一個百分比矩陣 ， 說明每個訓(xùn)練區(qū)中有多少個像元分別屬于相應(yīng)的類別 。 如果誤差矩陣值小于 85%， 則模板需要重新建立 。 ? D、執(zhí)行計算機(jī)自動分類 ? 根據(jù)建立的分類模板 ， 在一定的分類決策規(guī)則條件下 ， 對圖象像元進(jìn)行分類判斷 。 用于分類決策的規(guī)則即各種分類判別函數(shù) 。 選擇了判別函數(shù)及其相應(yīng)的準(zhǔn)則后 ， 就可執(zhí)行計算機(jī)自動分類 。 ? 最大似然比分類 ? 最大似然比分類是應(yīng)用最廣泛的監(jiān)督分類方法 ， 分類精度較高 ， 其前提條件是認(rèn)為每一類的概率密度分布都是正態(tài)分布 。 ? 其判別函數(shù)由條件概率 ? P(Wi/X) (i=1,2,3…m)來決定 ， Wi代表第 i 個類別 ， P 表示 X（ X=(x1,x2,┄ xn)T,n為波段數(shù) ） 為 Wi類的概率是多少 。 ? 這里不考慮混合像元的情況，認(rèn)為一個像元 X應(yīng)該只屬于一個類別。由于這個類別是未知的，我們只有找到屬于每一類的可能性，然后比較他們的大小， ? 哪一種類別出現(xiàn)的概率大，就把這個位置的像元歸哪類。 ? 即如果 P(Wi/X) P(Wj/X) ? i不等于 j ； j=1,2,3…,m成立 ， 則 X屬于 Wi。 ? E、評價分類結(jié)果 ? 執(zhí)行了監(jiān)督分類之后 ， 需要對分類結(jié)果進(jìn)行 ， 評價是對分類結(jié)果的驗證 。 ? 分類評價的方法有分類疊加 、 定義域值 、分類重編碼以及精度評估等 。 ? 分類疊加：就是將分類圖象與原始圖象同時在一個視窗中打開，將分類專題層置于上層，通過改變分類專題層的透明度及顏色等屬性，查看分類專題與原始圖象之間的關(guān)系，該方法只查看分類結(jié)果的準(zhǔn)確性。 ? 域值處理：該方法可以確定哪些像元最可能沒有被正確分類，從而對監(jiān)督分類的初步結(jié)果進(jìn)行優(yōu)化。用戶可以對每個 ? 類別設(shè)置一個距離域值，將可能不屬于他的像元（在距離文件中的值大于設(shè)定域值的像元）篩選出去，篩選出去的像元在分類圖象中將被賦予另一個分類值。 ? 分類重編碼：指對分類圖象進(jìn)行了分析之后，可能需要對原來的分類進(jìn)行重新組合（如將林地 1與林地 2合并為林地），給部分或所有類別以新的分類值。 ? 分類精度評估：將專題分類圖象中的特定像元與已知的參考像元進(jìn)行比較，實際工作中常常是將分類數(shù)據(jù)與地面真值、先前的試驗地圖、航空相片或其他數(shù)據(jù)進(jìn)行對比。 演講完畢，謝謝觀看！
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1