ENVI经验|基于多源遥感影像的红树林范围提取3-监督分类
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。遥感影像的监督分类一般包括以下6个步骤,如下图所示:
ENVI软件中监督分类可分为基于传统统计分析学的,包括平行六面体、最小距离、马氏距离、最大似然,基于神经网络的,基于模式识别,包括支持向量机、模糊分类等,针对高光谱有波谱角(SAM),光谱信息散度,二进制编码。下面是几种分类器的简单描述。
1)平行六面体(Parallelepiped)
根据训练样本的亮度值形成一个n维的平行六面体数据空间,其他像元的光谱值如果落在平行六面体任何一个训练样本所对应的区域,就被划分其对应的类别中。
2)最小距离(Minimum Distance)
利用训练样本数据计算出每一类的均值向量和标准差向量,然后以均值向量作为该类在特征空间中的中心位置,计算输入图像中每个像元到各类中心的距离,到哪一类中心的距离最小,该像元就归入到哪一类。
3)马氏距离(Mahalanobis Distance)
计算输入图像到各训练样本的协方差距离(一种有效的计算两个未知样本集的相似度的方法),最终技术协方差距离最小的,即为此类别。
4)最大似然(Maximum Likelihood)
假设每一个波段的每一类统计都呈正态分布,计算给定像元属于某一训练样本的似然度,像元最终被归并到似然度最大的一类当中。
5)神经网络(Neural Net)
指用计算机模拟人脑的结构,用许多小的处理单元模拟生物的神经元,用算法实现人脑的识别、记忆、思考过程。
6)随机森林(Random Forest)
随机森林就是通过集成学习的思想将多棵树集成的一种算法,它的基本单元是决策树,而它的本质属于机器学习的一大分支—集成学习(Ensemble Learning)方法。从直观角度来解释,每棵决策树都是一个分类器,那么对于一个输入样本,N棵树会有N个分类结果。而随机森林集成了所有的分类投票结果,将投票次数最多的类别指定为最终的输出。
7)支持向量机(Support Vector Machine)
支持向量机分类(Support Vector Machine或SVM)是一种建立在统计学习理论(Statistical Learning Theory或SLT)基础上的机器学习方法。SVM可以自动寻找那些对分类有较大区分能力的支持向量,由此构造出分类器,可以将类与类之间的间隔最大化,因而有较好的推广性和较高的分类准确率。
8)波谱角(Spectral Angle Mapper)
波谱角(Spectral Angle Mapper)是在N维空间将像元与参照波谱进行匹配,通过计算波谱间的相似度,之后对波谱之间相似度进行角度的对比,较小的角度表示更大的相似度。
具体参看:http://blog.sina.com.cn/s/blog_764b1e9d0102v22a.html。
下面选取几种典型的监督分类算法对Landsat8和Sentinel-2分类,提取红树林,分类样本的选取请看上一篇文章。
1、最大似然分类
从ENVI工具箱Classification->Supervised Classification->Maximum Likelihood Classification中,打开最大似然分类窗口。选择分类的影像和训练样本,所有参数均默认。
1)Landsat8最大似然分类
由于ENVI监督分类工具中无法设置掩膜,因此需要在分类完成后使用提取的掩膜范围进行裁剪。在ENVI工具箱Region Of Interest->Subset Data via ROIs中打开ROI裁剪工具。多边形范围裁剪时,Mask pixels outside of ROI选项为Yes, Mask Background Value默认为0。
2)Sentinel-2最大似然分类
2、神经网络分类
从ENVI工具箱Classification->Supervised Classification-> Neural Net Classification中,打开神经网络分类窗口,选择分类的影像和训练样本,所有参数均默认。
1)Landsat8神经网络分类
2)Sentinel-2神经网络分类
3、随机森林分类
ENVI5.3/5.3.1版本并没有自带随机森林分类工具,需要在ENVI App Store中安装。找到“随机森林分类工具”,点击Install App进行安装,详细说明:http://blog.sina.com.cn/s/blog_16fa8f1ec0102y71q.html。
1)Landsat8随机森林分类
参数说明:
1)Number of Trees:随机森林树的数量,值越大,构建耗时越长,反之用时越少。默认为100;
2)Number of Features:特征数量,默认使用“Square Root”方法,即Number of Features=sqrt(nb);若选择“Log”方法,则Number of Features=log(nb),其中nb为输入的待分类影像波段数;
3)Min Node Samples:Minimum number of samples to stop splitting;
4)Min Impurity:Minimum impurity to stop splitting。
对于随机森林的分类参数,一般保持默认即可。
2)Sentinel-2随机森林分类
4、支持向量机分类
从ENVI工具箱Classification->Supervised Classification->Support Vector Machine Classification中,打开支持向量机分类工具,选择分类的影像和训练样本,采用Radial Basis方法进行分类,其他参数默认。
1)Landsat8支持向量机分类
2)Sentinel-2支持向量机分类
5、分类精度评价
1)混淆矩阵计算
采用监督分类方法对淇澳岛Landsat8和Sentinel-2影像进行分类后,采用混淆矩阵对分类结果进行精度评价。Landsat8影像分类中,每个分类各有训练数据20个,验证数据9个;Sentinel-2影像分类中,每个分类各有训练数据30个,验证数据12个。
在ENVI工具箱中打开Classification->Post Classification-> Confusion Matrix Using Ground Truth ROIs工具。打开影像分类结果以及选取的验证样本数据,计算影像分类混淆矩阵。
2)各分类方法精度评价
根据上面表格中的分类结果,本次分类整体精度都很高,不过根据分类结果影像来看,可以明显看到有些破碎的图斑被错分,由于验证样本数量有限,且随机选取,因此分类结果精度仅供参考。
本文结束,部分内容来源于网络,如有侵权请告知删除。了解更多信息请关注微信公众号“海洋GISer成长记”。
ENVI经验|基于多源遥感影像的红树林范围提取3-监督分类相关推荐
- ENVI经验|基于多源遥感影像的红树林范围提取4-面向对象分类
传统的基于像素的遥感影像处理方法都是基于遥感影像光谱信息极其丰富,地物间光谱差异较为明显的基础上进行的.对于只含有较少波段的高分辨率遥感影像,传统的分类方法,就会造成分类精度降低,空间数据的大量冗余, ...
- ENVI软件|基于多源遥感影像的红树林范围提取1-数据获取及处理
红树林是一种生长在海岸带的木本植物群落,主要分布在热带.亚热带地区海岸带的海湾.河口等海域,是国际上生物多样性的重点保护对象.红树林具有提供产品.防风御浪.净化环境.保护海岸线.维持生物多样性等生态功 ...
- 基于python3+opencv3遥感影像的湖泊边界提取
参考:https://baijiahao.baidu.com/s?id=1607856881407380092&wfr=spider&for=pc 首先进行opencv安装,先安装An ...
- 2021遥感应用组二等奖:基于多源遥感数据的武夷山毛竹林提取研究及扩张特征分析
作品介绍 一.应用背景 近年研究表明,竹林固碳能力高,在维护全球碳平衡和应对气候变化等方面具有重要的作用.中国是竹资源最丰富的国家之一,在世界竹子研究领域处于领先地位.毛竹是中国本土竹类中分布最广.面 ...
- 基于内容的遥感影像场景检索
基于内容的遥感影像场景检索(一) (一)基础练习 1.从遥感影像文件夹里批量读取遥感影像,并计算其灰度直方图特征 ①首先学习matlab批量读取文件 (由于之前此部分没认真学习,所以试图理解每一个函数 ...
- 从CNN到Transformer:基于PyTorch的遥感影像、无人机影像的地物分类、目标检测、语义分割和点云分类
更多资讯,请关注:Ai尚研修科研技术动态 公众号 我国高分辨率对地观测系统重大专项已全面启动,高空间.高光谱.高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成,将成为保障国家安全 ...
- 基于遥感影像的耕地地块提取相关论文、代码以及相关开源数据集
文章目录 前言 2000 (传统方法) Agricultural Field Extraction from Aerial Images Using a Region Competition Algo ...
- 基于PyTorch的遥感影像、无人机影像的地物分类、目标检测、语义分割和点云分类
我国高分辨率对地观测系统重大专项已全面启动,高空间.高光谱.高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成,将成为保障国家安全的基础性和战略性资源.随着小卫星星座的普及,对地观 ...
- 原创程序|基于GDAL的遥感影像批量处理工具介绍(三)
本文主要介绍基于C#+GDAL-Python实用工具开发的遥感影像批量处理工具,该工具目前主要包括影像批量切片生成KML文件和影像批量切片生成Tiles文件.该工具.Net框架版本为4.0,GDAL版 ...
最新文章
- Laravel Redis操作大全
- Let Me Count The Ways(Kickstart Round H 2018)
- centos7查看内核以及删除旧内核
- Elasticsearch查询相关总结以及timestamp和时区问题
- kafka消费中的partition与消费者的关系
- 海驾学车过程全揭秘——第九篇:科目三集训及考试
- C语言const的用法详解
- 第十一届蓝桥杯省赛C++组试题 第3题 求阴影面积
- android AVB2.0(六)Super动态分区介绍
- Eclipse / Spring Tool Suite 配置
- FB OpenGraph og:image无法提取图像(可能是https?)
- JavaScript学习简单总结
- 简述autocad在测绘工程中的应用_AutoCAD在工程测绘制图中的应用
- spring加载流程之AnnotatedBeanDefinitionReader
- 厉害了我的琴!钢琴教育竟然用上了AI+云计算?
- python读取dat文件经纬度_自动提取kml文件中的经纬度
- SQL中的笛卡尔你真的懂吗?
- 高新技术企业补贴如何申请?
- 我最喜欢的五款手机APP 简直就是生活的小帮手
- python工程师必备工具
热门文章
- Java IO之:BufferedReader(超详细解析,使用方法说明)
- ecmall php5.4,ecmall2.3_PHP5.3_PHP5.4
- js 的对象--如何定义一个对象
- 日历表的jq简单写法
- python可以用来写什么_python这么火,到底可以用来做什么?
- ReactNative豆瓣电影项目
- python自学到大牛_如何才能自学成为 Python 大牛?
- 公式截取神器:将文献中的公式快速粘贴进word:
- I/O设备和设备控制器
- 【Python】根据CID获取化合物数据(调用Pubchem官方API)