遙感影像監督分類的方法有哪些

Ⅰ 怎樣利用ENVI進行有監督的分類

監督分類，又稱訓練分類法，用被確認類別的樣本像元去識別其他未知類別像元的過程。它就是在分類之前通過目視判讀和野外調查，對遙感圖像上某些樣區中影像地物的類別屬性有了先驗知識，對每一種類別選取一定數量的訓練樣本，計算機計算每種訓練樣區的統計或其他信息，同時用這些種子類別對判決函數進行訓練，使其符合於對各種子類別分類的要求，隨後用訓練好的判決函數去對其他待分數據進行分類。使每個像元和訓練樣本作比較，按不同的規則將其劃分到和其最相似的樣本類，以此完成對整個圖像的分類。

遙感影像的監督分類一般包括以下6個步驟，如下圖所示：

詳細操作步驟

第一步：類別定義/特徵判別

根據分類目的、影像數據自身的特徵和分類區收集的信息確定分類系統；對影像進行特徵判斷，評價圖像質量，決定是否需要進行影像增強等預處理。這個過程主要是一個目視查看的過程，為後面樣本的選擇打下基礎。

第二步：樣本選擇

第三步：分類器選擇

第四步：影像分類

第五步：分類後處理

過程比較復雜，如果還有什麼問題可以私信我幫你！

Ⅱ 遙感圖像分類處理方法

圖像分類是以計算機來區分圖像中所含的多個目標物為目的，並對區分的像元組給出對應其特徵的名稱，從而達到圖像判讀的目的。用於圖像分類的數學理論目前有3個分支：統計圖像分類、專家系統分類和模糊分類。統計圖像分類是目前圖像分類方法中最成熟的方法，有監督分類（supervised classification）和非監督分類（unsupervised classification）兩種方法（豐茂森，1992）。

1.監督分類

監督分類是先用某些已知類別訓練樣本讓分類識別系統學習，待其掌握了各個類別的特徵之後，按照分類的決策規則進行分類的過程。使用的數學方法有多級切割分類法、決策樹分類法、最小距離分類法、最大似然分類法。

2.非監督分類

非監督分類就是不用訓練樣本，而是根據圖像數據自身的統計特徵及點群的分布情況，從純統計學的角度對圖像數據進行統計分類。它與監督分類的區別在於監督分類首先給定類別，而非監督分類由圖像數據的統計特徵來決定。

非監督分類最常用的統計方法是聚類分析，聚類分析是按照像元之間的相似程度來進行的一種多元統計分析方法。

監督分類的缺點在於會有大量的像元沒有分類。對於研究區所有植物群落，都要找到和確立相同的訓練基地很困難，即使是非常均一的植物群落，像元與像元之間，依然有相當大的變差（或稱噪音），所以使得錯誤分類的像元數達到很高的比例。

非監督分類將具有相似光譜響應的像元組聚為一類，在草地分類和制圖上效果良好。非監督分類可以多次重復，一直到分類結果滿意為止（即將分類結果顯示，看是否與實際景觀的某些特徵相匹配）。這種做法的實質是，形成許多光譜分類，每一光譜分類都表示一個或一組特定的地面多邊形；反過來講，這些多邊形表示已把某種地面屬性賦予某個光譜分類。這些光譜分類在所有光譜的某一組譜段上都有確定的光譜特徵。

圖4-2 監督分類和非監督分類處理過程

（據李建龍，1997）

Fig.4-2 A flow chart of supervised classification and unsupervised classification

由於研究區地形復雜，不能建立很完全的訓練基地，採用監督分類時未分類像元很多。因此，本書採用了非監督分類法。