首页天道酬勤遥感监督分类的实验目的,遥感概论监督分类实验心得

遥感监督分类的实验目的,遥感概论监督分类实验心得

admin 06-22 17:21 163次浏览

下一篇:遥感影像处理——数据解压缩、主成分分析、裁剪

要点:K-Means算法,IsoData算法,IsoData聚类,IsoData聚类非监督分类,最大似然法分类,主成分分析下的聚类。

本文使用的数据为landsat8、福州平潭、2013。

本文使用的遥感图像处理工具是ArcMap 10.4.1

文章目录1、k均值算法2、IsoData算法3、Iso聚类4、最大似然分类5、Iso聚类非监督分类聚类操作检验属性表计算面积6、主成分分析下的聚类

遥感非监督分类是指人们事先对分类过程没有任何先验知识,根据遥感影像地物光谱特征的分布规律,对其特征值进行分类。

1、k均值算法k均值算法,即k均值算法是常见的聚类算法。 该算法将数据集划分为k个簇,每个簇由簇中所有采样的平均值表示,该平均值称为质心。

算法的步骤如下。

1 )任意选择k个集群中心(任意、随机) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) )。

2 )迭代,未知样本被归类为最近的类

3 )基于步骤2的结果重新计算集群中心

4 )每类像素数变化达到要求,算法end。

2、IsoData算法IsoData算法在实际的k均值算法中加入了一个试探性的步骤,可以吸收中间成果的经验,在迭代过程中可以进行类别的分离和合并,具有“自组织性”,是目前最广泛的影响该分类算法分类结果的是迭代次数、类数、参与分类的带宽数。

算法的步骤如下。

1 )选择初始类别平均值

2 )在多维数据空间中,基于像素距离按距离样本类别中心最短的距离对像素类别进行分类。

3 )根据步骤2的像素分类结果,重新计算每个类别的平均值。

4 ) 2和3类别的平均值相同或接近。 3为分类结果。 否则,返回2重新计算和判断,直到类别的新中心点与上次的中心点相同或接近。

3、Iso聚类空间分析工具-多元分析-iso聚类

这里选择的有7种,有林地、水体等,最小类的大小是规定最小类的像素个数,波段多的话可以多埋一点。 采样间隔是nn个采样间隔,其中缺省值可以是10,并且每1010采样一次。 导出文件输出gsg文件。

聚类后,用记事本打开生成的特征文件

可以看到频带、协方差矩阵等信息

4、最大似然法分类空间分析工具-多元分析-最大似然法分类

上面的iso群集输入文件是753合成频段,需要在此处输入另一个文件。 上面的iso群集生成的gsg特征文件

右键单击两个最大似然和iso文件,打开这两个文件的属性表,然后单击左上角-排列表-新建选项比较这两个表

可以看出,两种方法的分类结果都差不多

5、Iso聚类非监督分类是Iso聚类与最大似然工具的结合。

集群操作空间分析工具-多元分析-iso集群非监督分类

不输出gsg也可以

生成文件

显示属性表右键单击以打开属性表

单击每个类别以显示图中相应的类别范围。 count表示对应的网格像素的数量。

计算面积——网格像素的数量3030

单击左上方的表格选项-添加字段-名称area,类型双精度

单击area-右键单击现场计算机-计数- 30 * 30

得到面积,单位平方米。

注:这里选择30。 因为这里的学习影像是30米的分辨率

6、主成分分析下的聚类主成分分析具有增强影响的作用,在进行图像分类时可分为更好的方面。

根据刚才的iso聚类非监督分类操作流程,将输入图像更改为主成分分析后的图像。

图像不再像之前划分的那样细小了(左一(主要成分) ) ) ) ) ) ) ) ) ) ) ) ) )。

正确更改Ant Design of Vue样式的问题C++之继承ZendFramework教程之Zend_Form组件实现表单提交并显示错误提示的方法怎样在html中启用php方式JavaScript变量or循环中的var和let怎么使用java包装类
, python编译器,python有什么用
相关内容