(1.5)--遥感数字图像处理基础实验教程第五章.pdf

第5章遥感图像分类149

第5章感图像分类

本章主要内容：

非监督分类

监督分类

面向对象的分类

分类后处理

专家分类系统

图像分类就是基于图像像元的数据文件值，将像元归并成有限的几种类型、等级或数据

集的过程。通过遥感图像分类，对图像的各类信息进行提取，是遥感数字图像处理的重要环

节。遥感图像分类的方法包括：①监督分类（训练场地法/先学习后分类法）：先选择有代表

性的实验区（训练区），用已知地面的各种地物光谱特征来训练计算机，取得别分类判别

规则，并以此为标准对未知地区的遥感数据进行自动分类别；②非监督分类（空间集群、

点群分析、聚类分析、边学习边分类法）：按照灰度值向量或波谱样式在特征空间聚集的情

况划分点群或类别。其类属是通过对各类光谱响应曲线进行分析以及与实地查数据相比较

后确定的。③面向对象的分类：集合邻近像元为对象用来别感兴趣的光谱要，其充分利

用了高分辨率的全色和多光谱数据的空间、纹理和光谱信息来分割和分类的特点，以高精度

的分类结果或者矢量输出；④专家分类系统：运用了一种以规则为基础的方法，用户可以利

用专家分类系统，对高光谱图像进行分类、分类后细化、GIS建模分析等。

监督分类是基于对遥感图像上样本区内的地物类属已有先验的知，即已知它所对应

的地物类别，于是可以利用这些样本类别的特征作为依据来对影像进行分类的技术。非监

督分类对遥感图像地物的属性不具有先验知，纯粹依靠不同光谱数据组合在统计上的差

别来进行“盲目分类”，事后再对已分出各类的地物属性进行确认的过程。ERDAS的非监

督分类采用聚类分析的方法，基本步骤是：初始分类→专题判别→分类合并→色彩确定→

分类后处理→色彩重定义→栅格矢量转换→统计分析。这两种方法的功能模块均在

ERDASIMAGINE2015菜单栏的Raster→Classification栏下（如图5-1），其操作流程如图

5-2所示。

150遥感数字图像处理基础实验教程

图5-1Classification菜单栏

选择训练区域运用聚类分析方法

（对图像已知类别的像元进行采样）（对特征相似的像元进行归类）

编辑/评价类别标志

分类模板的编辑与评价

（样本统计特征）

图像分类

图像分类

别分类

分类结果评价分类结果评价

（精度及可靠性分析）（精度及可靠性分析）

监督分类非监督分类

图5-2监督分类与非监督分类的操作流程

实验目的：

1.理解并掌握图像分类的原理。

2.熟练掌握ERDAS图像分类的操作过程。

3.掌握遥感图像分类的精度评价方法、评价指标、评价原理以及分类后处理。

5.1非监督分类

非监督分类主要采用聚类分析的方法，聚类是把一组像元按照相似度归成若干类别。

ERDAS非监督分类的算法有迭代自组织数据分析技术（ISODATA）算法和基于划分的聚

类（K-Means）算法。这两种算法相似，聚类心都是通过样本均值的迭代运算来决定的，

K-Means算法通常适合于分类数目已知的聚类，而ISODATA算法则更加灵活；ISODATA

算法加入了一些试探步骤，并且可以结合成为人机交互的结构，使其能利用间结果