文档介绍：遥感图像分类实验报告一、实验名称遥感图像的监督分类与非监督分类二、实验目的理解遥感图像监督分类及非监督分类的原理;掌握用ENVI对影像进行监督分类和非监督分类的方法,初步掌握图像分类后的相关操作;了解整个实验的过程以及实验过程中要注意的事项。三、实验原理监督分类: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。非监督分类:也称为聚类分析或点群分类。在多光谱图像中搜寻、定义其自然相似光谱集群的过程。它不必对影像地物获取先验知识,仅依靠影像上不同类地物光谱(或纹理)信息进行特征提取,再统计特征的差别来达到分类的目的,最后对已分出的各个类别的实际属性进行确认。目前比较常见也较为成熟的是ISODATA、K-Mean和链状方法等。四、数据来源本次实验所用数据来自于国际数据服务平台;landsat4-5波段30米分辨率TM 第三波段影像,投影为WGS-84,影像主要为山西省大同市恒山地区,中心纬度:中心经度:。鉴于实验内容及图像大小等问题,故从一景TM影像中裁取一个含有较丰富地物信息区域作为待分类影像。五、实验过程 ,选择合适的波段组合加载影像打开并显示TM影像文件,从ENVI主菜单中,选择File→OpenImageFile选择影像,为了更好地区分不同地物以及方便训练样本的选取,选择5、4、3波段进行相关操作,点击LoadBand在主窗口加载影像。使用感兴趣区工具来选择训练样区 1)主影像窗口菜单栏中,选择Overlay>RegionofInterest。出现ROITool对话框, 2)根据不同的地物光谱特征,在图像上画出包含该类地物的若干多边形区域,建立相应的感兴趣区域,输入对应的地物名称,更改感兴趣区对应的显示色彩。由于该地区为山西省北部,地物相对单一,故分为以下几类:裸地、草地、灌木林、农田、水体、人类活动区、云层,阴影。选择分类方法进行分类 1)主菜单中,选择Classification>Supervised,在对应的选项菜单中选择分类方法,对影像进行分类。以最小距离法为例进行说明。选择MinimumDistance选项,出现ClassificationInputFile对话框,在该对话框中选择待分类图像。 2)在出现的MinimumDistanceParameters对话框中,selectTtems 选择训练样本, 定义相关参数,选择输出路径。点击ok完成分类,结果如图: -均值分类法及ISOData(重复自组织数据分析技术),本次实验报告以K-均值分类方法为例进行说明。 1)主菜单中,选择Classincation>Unsupervised>K-Means。在ClassificationInputFile对话框中选择待分类影像文件。 2)在K-MeansParameters对话框中定义相关参数,其中,可定义参数有:分类类别数,像元变化阈值,用于分类的最多迭代次数以及可选的距离阈值。面向对象分类实验报告姓名:学号:指导老师: 地球科学与环境工程学院一、实验目的面向对象法模拟人类大脑认知过程,将图像分割为不同均质的对象,充分利用对象所包含的信息,将知识库转换为规则特征,从而提取影像信息。因为分析的是对象而不是像元,因此我们可以利用对象丰富的语义信息,结合各种地学概念,如面积、距离、光谱、尺度、纹理等进行分析。面向对象的遥感影像分析方法与传统的面向像元的影像分析方法不同。首先我们要用一定方法对遥感影像进行分割,在提取分割单元的各种特征后,在特征空间中进行对象识别和标识,从而最终完成信息的分类与提取。二、实验意义 1、使用eCognition进行面向对象的影像分类的流程; 2、体会面向对象思想的内涵,学会将大脑认知过程转变为机器语言; 三、实验内容、影像的预处理利用ERDAS软件将所给的全色影像和多光谱遥感影像进行融合,达到既满足高空间分辨率,又保留光谱信息。Imageinterperter->spatialenhancement->,完成影像的预处理过程。图1图像融合步骤图2融合后的图像、使用eCongition创建工程a、使用规则集模式创建工程图3模式选择 b、file->newprojection,打开CreateProject和ImportImageLayers两个对话框,将上面的实验数据导入。图4导入数据 c