城市地理信息系统实验报告.docx

城市地理信息系统实验报告监督分类1.概述监督分类，又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类 之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统 计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决函数去对其他待分数据进行分类。使每个像元 和训练样本作比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。2.步骤2.1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。 启动ENVI5.1，打开待分类数据：can_tmr.img。 下图以R:TM Band 5，G: TM Band 4，B：TM Band 3波段组合显示 通过目视可分辨六类地物：林地、草地/灌木、耕地、裸地、沙地、其他六类。2.2样本选择 （1）在图层管理器Layer Manager中，can_tmr.img图层上右键，选择New Region Of Interest，打开Region of Interest (ROI) Tool面板，下面学习利用选择样本。1）在Region of Interest (ROI) Tool面板上，设置以下参数：ROI Name：林地ROI Color：图2.1 Region of Interest (ROI) Tool面板上设置样本参数2）默认ROIs绘制类型为多边形，在影像上辨别林地区域并单击鼠标左键开始绘制多边形样本，一个多边形绘制结束后，双击鼠标左键或者点击鼠标右键，选择Complete and Accept Polygon，完成一个多边形样本的选择；3）同样方法，在图像别的区域绘制其他样本，样本尽量均匀分布在整个图像上；4）这样就为林地选好了训练样本。（2）在图像上右键选择New ROI，或者在Region of Interest (ROI) Tool面板上，选择工具。重复林地样本选择的方法，分别为草地/灌木、耕地、裸地、沙地、其他5类选择样本；例如：图为沙地图为其他类 （3）如下图为选好好的样本。图为训练样本的选择 （4）计算样本的可分离性。在Region of Interest (ROI) Tool面板上，选择OptionCompute ROI Separability， 在Choose ROIs面板，将几类样本都打勾，点击OK； （5）表示各个样本类型之间的可分离性，用Jeffries-Matusita, Transformed Divergence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，需要编辑样本或者重新选择样本；小于1，考虑将两类样本合成一类样本。图为样本可分离性计算报表 2、在Region of Interest (ROI) Tool面板上，选择Options Merge (Union/Intersection) ROIs，在Merge ROIs面板中，选择需要合并的类别，勾选Delete Input ROIs。图为Merge ROIs面板 （6）在图层管理器中，选择Region of interest ，点击右键，save as，保存为.xml格式的样本文件。2.3影像分类基于传统统计分析的分类方法参数设置比较简单，Toolbox/Classification/Supervised Classification能找到相应的分类方法。 这里选择支持向量机分类方法。在toolbox中选择/Classification/Supervised Classification/Support Vector Machine Classification，图4.1选择待分类影像，点击OK，按照默认设置参数输出分类结果。图4.2 支持向量机分类器参数设置图4.3 支持向量机分类结果2.4精度验证 真实参考源可以使用两种方式：一是标准的分类图，二是选择的感兴趣区（验证样本区）。两种方式的选择都可以通过主菜单-Classification-Post Classification-Confusion Matrix或者ROC Curves来选择。 真实的感兴趣区验证样本的选择可以是在高分辨率影像上选择，也可以是野外实地调查获取，原则是获取的类别参考源的真实性。由于没有更高分辨率的数据源，本例中就把原分类的TM影像当作是高分辨率影像，在上面进行目视解译得到真实参考源。（1）在Data Manager中，分类样本上