联系我们
山西一拓国土工程咨询有限公司
山西绿禹生态科技有限公司
电话:0351-6873420 6873986
邮编:030024
邮箱:2966015310@qq.com
地址:太原市万柏林区望景路浙江大厦917室
发布者: 添加时间:2021-11-09
基于光谱的影像的分类方法可以分为监督与非监督分类,这种分类方法适合于中低分辨率的数据,根据其原理存在基于传统统计分析、基于神经网络、基于模式识别等。本文主要介绍,如何在ENVI 5.3平台上对预处理后的遥感影像进行裁剪与掩膜的操作,以及如何完成对遥感影像的监督分类。
1 遥感图像裁剪与掩膜
为了提高电脑处理遥感影像的效率,可以下载项目所在区域的行政边界矢量数据,然后对处理过后的遥感影像进行裁剪与掩膜处理。
1.1 遥感图像裁剪
1) 规则裁剪方法:
主菜单:File→Save As;
或者工具箱:Raster management(栅格管理器)→Resize Data(数据裁剪)
2) 不规则裁剪方法:
手动绘制裁剪范围(矢量):File→New→Vector Layer(矢量图层);
或用ROI绘制裁剪范围:File→New→Region of Interest(感兴趣区)。
裁剪步骤为:
Region of Interset(感兴趣区)→Subset Data from ROIs(感兴趣区子数据集)
可以登录国家基础地理信息中心,在1:100万全国基础地理数据库(http://www.webmap.cn/commres.do?method=result100W)中可以免费获取省市县各级行政区边界矢量数据。本文以太原市行政区划边界矢量数据为例,对遥感影像进行裁剪。
首先,导入下载好的太原市行政区划范围的矢量数据。
导入成功后,结果如下图所示,红色区域为太原市行政区划。
接下来,使用ROI工具箱进行裁剪操作。
裁剪区域选择导入的太原市行政区划范围矢量数据,裁剪后效果如下所示:
1.2 图像掩膜
遥感图像处理中的掩膜是指用选定的图像、图形或物体,对处理的图像(全部或局部)进行遮挡,来控制图像处理的区域或处理过程。掩膜为二维矩阵数组,有时也用多值图像。数字图像处理中,图像掩模主要用于:
①提取感兴趣区,用预先制作的感兴趣区掩模与待处理图像相乘,得到感兴趣区图像,感兴趣区内图像值保持不变,而区外图像值都为0。
②屏蔽作用,用掩模对图像上某些区域作屏蔽,使其不参加处理或不参加处理参数的计算,或仅对屏蔽区做处理或统计。
③结构特征提取,用相似性变量或图像匹配方法检测和提取图像中与掩模相似的结构特征。
④特殊形状图像的制作。
掩膜是一种图像滤镜的模板,实用掩膜经常处理的是遥感图像。当提取道路或者河流,或者房屋时,通过一个N*N的矩阵来对图像进行像素过滤,然后将我们需要的地物或者标志突出显示出来。这个矩阵就是一种掩膜。
在ENVI中,我们可以通过工具箱实现遥感影像的掩膜处理,步骤为:
Toolbox(工具箱)→Raster Management(栅格管理)→Masking(掩膜)→Build Mask(创建掩膜图像文件)。
掩膜文件创建成功后,开始应用掩膜:
Toolbox→Raster Management→Masking→Apply Mask 进行掩膜。
最终掩膜处理成果如下图所示:
2 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。
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。
ENVI上的操作步骤如下:
1)样本选择
① 利用Layer Manager图层管理器,在掩膜处理后的图层上右键,选择“New Region of Interest”,打开Region of Interest (ROI) Tool面板。在Region of Interest (ROI) Tool面板上,设置以下参数:林地,并且选取样本区域。
如图,自行目视解译遥感影像上的林地部分,划定林地ROI。
② ROI的默认绘制类型为多边形,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。
要注意:
A 如果要对某个样本进行编辑,可将鼠标移到样本上点击右键,选择Edit record是修改样本,点击Delete record是删除样本。
B 一个样本ROI里面可以包含n个多边形或者其他形状的记录(record)。
C 如果不小心关闭了Region of Interest (ROI) Tool面板,可在图层管理器Layer Manager上的某一类样本(感兴趣区)双击鼠标。
⑤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,分别为耕地、水体选择样本;
⑥如下图为选好好的样本。
⑦计算样本的可分离性。在ROI Tool面板上,选择Option→Compute ROI Separability,在Choose ROIs面板,将几类样本都打钩,点击OK;
⑧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。下图即为可分离性文件:
⑨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)分类器选择
根据分类的复杂度、精度需求等确定哪一种分类器。目前ENVI的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。
⑦波谱角(Spectral Angle Mapper)
它是在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……
3)影像分类
基于传统统计分析的分类方法参数设置为,在ENVI5.3中的Toolbox→Classification→Supervised Classification能找到相应的分类方法。这里选择最大似然分类方法。Toolbox中选择Classification→Supervised Classification→Maximum Likelihood,选择待分类影像,点击OK,按照默认设置参数输出分类结果如下图。
分类结果因样本选择的分布情况与细致程度相关,计算机监督分类的效果与该地区地形地势的复杂程度也有较大关联,地势越简单监督分类效果越佳,因此在遥感分类工作上,监督分类与非监督分类,两者都不可或缺。
供稿人:柴勇
版权所有:山西一拓国土工程咨询有限公司、山西绿禹生态科技有限公司 备案号:晋ICP备15008080号-1 晋公网安备 14010902000364号
|