遙感圖像分類ppt課件-文庫吧資料
2025-05-13 02:31本頁面
【正文】 評估 ISODATA 基本同 K均值法，但 K均值法的類別數是從始至終固定的，而 ISODATA方法則是動態(tài)調整類別數的 ? K ：希望得到的類別數 ? θN ：所希望的一個類中樣本的最小數目 ? θS ：類的分散程度的參數（如標準差、方差） ? θC ：類間距離的參數（如最小距離） ? L ：每次允許合并的類的對數 ? I ：允許迭代的次數 ISODATA參數 的設定 決定類的“分裂”與“合并” 結束迭代的條件 ? 合并（類數 1） ?每一類中的像元個數少于期望的類別最少像元數 θN ?類別的個數大于期望的類別數 K的 2倍 ?分裂（類數 +1） ?類別的標準差大于類別標準差閾值 θS ?類別的個數小于期望的類別數 K的 1/2 ?當類別數在一定范圍內，類別中心間的距離在閾值以上，類別內的方差的最大值在閾值以下 ISODATA調整類別數的準則 ? 兩次迭代之間，如果上一次和這一次的中心不變，或者變化小于一個閾值，說明聚類結束 ? 如果迭代次數達到了預設值 I ，那么即使不收斂，也強行結束 ISODATA判斷迭代結束 ? 類別數： 20 ? 迭代次數： 20 ISODATA ? 類別數： 10 ? 迭代次數： 10 ISODATA ? 優(yōu)點： ?不需要預先對待分類區(qū)域有廣泛的了解 ?需要較少的人工參與，人為誤差的機會減少 ?小的類別能夠被區(qū)分出來 ? 缺點： ?盲目的聚類 ?難以對產生的類別進行控制，得到的類別不一定是想要的類別 ?計算速度慢 非監(jiān)督分類方法的特點 ? 監(jiān)督分類的缺陷在于，必須在分類前確定樣本，難度大、效率低 ? 通過非監(jiān)督法將一定區(qū)域聚類成不同的單一類別，監(jiān)督法再利用這些單一類別區(qū)域“訓練”計算機 ? 使分類精度得到保證的前提下，分類速度得到了提高 非監(jiān)督分類與監(jiān)督分類的結合 ? 遙感影像經分類后形成的專題圖，用編號、字符、圖符或顏色表示各種類別 分類后處理 原始遙感圖像 對應的專題圖像 ? 用光譜信息對影像逐個像元地分類，在結果的分類地圖上會出現“噪聲” 分類后處理 ? 產生噪聲的原因有原始影像本身的噪聲，在地類交界處的像元中包括有多種類別，其混合的幅射量造成錯分類，以及其它原因等 ? 另外還有一種現象，分類是正確的，但某種類別零星分布于地面，占的面積很小，我們對大面積的類型感興趣，因此希望用綜合的方法使它從圖面上消失 分類后處理 分類后處理 ?多數平滑：平滑時中心像元值取周圍占多數的類別（少數服從多數原則） 平滑前后的一個例子 ?分類精度評價 ?混淆矩陣 ?Kappa系數 ?制約分類精度的因素 ?提高分類精度的方法 分類后的誤差分析 ? 混淆矩陣是由 n行 n列組成的矩陣，用來表示分類結果的精度 ? 混淆矩陣是通過將每個像元的位置和地面參考驗證信息與計算機分類結果中的相應位置和類別來比較計算的 混淆矩陣（ Confusion Matrix） 63 ? 混淆矩陣的每一列代表了地表實測值（參考驗證信息），每一列中的數值等于地表真實像元在分類圖像中對應于相應類別的數量 ? 混淆矩陣的每一行代表了計算機的分類信息，每一行中的數值等于計算機分類像元在地表真實像元相應類別中的數量 混淆矩陣 ? 有 150個樣本數據，這些數據在計算機分類結果中被分成 3類，每類 50個。 這種判斷的依據，稱之為判別規(guī)則 判決函數和判決規(guī)則 監(jiān)督法分類 ?首先需要從研究區(qū)域選取有代表性的訓練場地作為樣本
教學課件相關推薦
鄂ICP備17016276號-1