遙感圖象目視解譯與制圖培訓(xùn)課程(參考版)
2025-03-10 10:26本頁面
【正文】 ? 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)進行對比。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。 ? 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)果進行 ， 評價是對分類結(jié)果的驗證 。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。 ? 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 。 選擇了判別函數(shù)及其相應(yīng)的準(zhǔn)則后 ， 就可執(zhí)行計算機自動分類 。 ? D、執(zhí)行計算機自動分類 ? 根據(jù)建立的分類模板 ， 在一定的分類決策規(guī)則條件下 ， 對圖象像元進行分類判斷 。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 。 ? 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。 ? 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。 ? 在本例中 ， 通過野外考察 ， 確定土地利用類別為 14個 ， 分別為旱地 、 居民地及工礦用地 、 果園 、 有林地 、 水面 、 灌木 、天然或人工草地 、 裸巖 、 荒草地 、 水田 、菜地 、 沙地 、 沼澤 、 民用機場 。 ? 分類過程 ? 以 ERDAS IMAGINE對延安寶塔區(qū)進行土地利用動態(tài)監(jiān)測為例。根據(jù)已知訓(xùn)練區(qū)提供的樣本，通過選擇特征參數(shù)（如像素亮度均值、方差等），建立判別函數(shù)，據(jù)此對樣本像元進行分類，依據(jù)樣本類別的特征來識別非樣本像元的歸屬類別。這樣不斷重復(fù)，直到最大的循環(huán)次數(shù)已達到設(shè)定閾值或者兩次聚類結(jié)果相比保持不變的像元所占最大百分比達到循環(huán)收斂閾值，則分類結(jié)束。 ? 分類過程 ? A、 確定初始類別參數(shù) ， 即確定最初類別數(shù)和類別中心 （ 亮度平均值 ） ； ? B、 計算每一個像元所對應(yīng)的特征值與各類別中心的距離； ? C、 選與中心距離最短的類別作為這一像元的所屬類別； ? D、 計算新的類別亮度平均值； ? E、比較新的類別均值與原平均值的變化，若發(fā)生變化，則以新的類別均值作為聚類中心，再從第二步開始重復(fù)，進行反復(fù)迭代操作； ? F、如果聚類中心（平均值）不再變化，計算停止。 ? 四、分類方法 遙感圖象的計算機分類方法包括監(jiān)督分類和非監(jiān)督分類。 ? 馬氏距離 ? 采用距離衡量相似度時
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1