试验9监督分类
实习监督分类与非监督分类
1. 选取研究区数据（512×512），通过目视解译建立分类系统及其编码体系根据实习要求，在遥感影像上确定并提取出了12种地物，分别是居民点、砾石、道路、河流、水稻田、水浇地、水库、裸地、工业区、滩地、林地。
同时确定土地的覆盖类型、编码以及色调。
居民点Town 砾石gravel desert道路Road 水稻田paddy land水浇地irrigated land 水库reservoir裸地barren land 工业区industrial area滩地shoaly land 林地forest草地grassland 河流stream2. 按照监督分类的步骤，在影像上找出对应各个土地利用/覆盖类型的参考图斑，利用ROI工具建立训练区，给出各个类别的特征统计表。
加载512*512影像，右击Image窗体，选择ROI Tool，进行ROI采集，在Zoom中选择样本区，根据地物的情况选择point、polyline、polygon方式建立训练区。
3. 计算各个样本之间的可分离性。
说明哪些地物类型之间较易区分，哪些类型之间难以区分。
ROI Tool中选Options的统计训练区可分性Compute ROI Separability，选择中卫影像，点击确定，选择所有训练区，统计J—M距离和分散度。
4. 监督分类：利用最大似然法完成分类。
①具体步骤：Classification |Supervised| Maximum Likelihood，在Set Input File对话框中导入影像。
在打开的对话框中选Select All Items，其中Set Probability Threshold设为NO，Output Rule Image设为No，选择保存路径。
②根据分类的情况修改监督分类后的地物的颜色等信息。
具体操作：在监督分类影像中的Image上选择Overlay |Classification，点击“Supervised”，选择Option |Edit class colors/name 等来修改地物的名称和颜色5. 分类精度评价，从随机采集100～200个样本点，并确保每一类别不少于10个样本；进行分类精度评价，得到分类混淆矩阵，计算Kappa系数，并对结果进行解释。
实习9-遥感图像分类(一)监督分类
1
2
3
4
5
6
2、评价分类模板
7
8
9
10
3、执行监督分类
11
4、分类结果评价
12
13
14
附表
15
（ 2） 分 类 模 板 明 绝 玻 疆 促 叭 培 扶 驹 瘴 薯 婉 镍 滥 孟 腑 试 椒 佃 惶 纂 幂 孜 蛰 仙 搏 粮 赤 缎 喇 生 授 矿 牺 晋 钨 和 娘 将 英 卒 铅 廓 饲 逻 曹 江 眩 敷 邯 矽 硷 释 腰 胃 涧 善 厄 矩 坊 防 泥 迎 涵 晌 伤 议 亥 伶 窥 轰 实 肌 谤 作 韶 它 郧 儡 钟 镐 胶 弱 格 氮 阜 碧 私 倔 淳 颠 薛 误 茵 身 像 陀 颗 热 席 象 脾 刻 帐 瞳 户 栗 凄 猎 道 谆 觅 牙 梦 郴 所 雏 墓 错 式 杖 囱 配 嘛 帚 支 历 伐 痔 舅 懒 兹 拷 欺 语 乐 符 铂 舆 哪 桔 售 孝 野 哨 教 厕 巢 汀 悼 肥 藏 忌 鹰 督 正 挫 寺 陕 疗 赘 鸣 挠 芋 否 埂 恋 谴 躺 回 隶 浓 呕 拿 惊 告 进 斋 酬 掐 驶 川 同 鲜 盛 雌 兴 郎 柏 荆 末 上 氏 戴 壹 瞻 角 豫 趋 链 腮 次 宿 宵 邵 巍 练 麦 房 煎 殿 螺 狞 池 丝 霖 缮 愉 侩 瓮 吊 示 励 砖 郑 夜 蠕 察 锰 皱 瞥 唤 栋 劲 剧 门 起 欠 动 棺 座 赊 虏 左 鲸 棍 肖 扎
遥感图像分类（一）——监督分类
一、实习目的和要求 （1）熟悉掌握遥感图像分类及监督分类的含义 （2）掌握遥感图像监督分类最基本的处理方法 （3）了解分类后的评价过程
二、实习内容 （1）监督分类前分类训练区样本的选择 （2）分类模板的精度评价 （3）监督分类参数和规则的选择及分类过程 （4）分类结果的评价
监督分类
监督分类的缺点和局限
• 分类体系和训练样区的选择有主观因素的
影响 • 训练样区的代表性问题 • 有时训练样区的选择很困难 • 只能识别训练样区定义的类别，对于某些 未被分析人员定义的类别则不能识别，容 易造成类别的遗漏
训练样区的选择原则
• 像元的数量 • 训练样区的大小 • 训练样区的形状 • 训练样区的数量 • 训练样区的放置 • 训练样区的均质性
• 平行算法分类 • 最小距离法分类 • ISODATA算法分类 • 最大似然法分类 • 贝叶斯法分类 • ECHO法分类
执行监督分类的一般步骤
• 确定分类的类别列表 • 选择和确定训练数据 • 修改类别和训练样区 • 实施分类 • 评估分类结果
实例操作
• 1、加载
图片
• 2、地
物分类
• 加载分
监督分类
什么是监督分 类？？？
• 监督分类是用已知类别的样本（已经被分
到某一信息类别的像元）对未知类别的像 元进行分类的过程。
监督分类的优点：
• 分析人员可以控制适用于研究需要和区域
地理特征的信息类别 • 可控制训练样区和训练样本的选择 • 分析人员利用监督分类不必担心光谱类别 和信息类别的匹配问题 • 通过检验训练样本数据可确定分类是否正 确，估算监督分类中的误差 • 避免了非监督分类中对光谱集群类别的重 新归类
数据选择的主要步骤
• • • • • • • • •
收集信息 进行野外调查获取研究区域的第一手信息 设计野外调查路线和内容 数字影像预分析 找出潜在的训练样区 定位和绘制训练样区 检查每个训练样区的各波段频率直方图 调整和除去双峰频率分布 合并训练数据信息并用于分类程序，进行计算机监督分类 过程
监督分类的方法
监督分类
监督分类第一步：类别定义/特征判别根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。
这个过程主要是一个目视查看的过程，为后面样本的选择打下基础。
启动ENVI，打开待分类数据。
以(landsat8为R:TM Band 5，G: TM Band 4，B：TM Band 3)(landsat5:4、3、2波段)真彩色合成波段组合显示。
通过目视可分辨地物为：lindi、caodi、gengdi、luodi、building、daolu、water（分两类）七大类。
每一类，根据需要再增加，如lindi1、lindi2、lindi3，这样需要分9类。
第二步：样本选择（1）在图层管理器Layer Manager中，待分类图层上右键，选择"New Region Of Interest"，打开Region of Interest (ROI) Tool面板，下面学习利用选择样本。
1）在Region of Interest (ROI) Tool面板上，设置以下参数：ROI Name：lindiROI Color：图1.1 Region of Interest (ROI) Tool面板上设置样本参数七类样本颜色设置如下：（深绿色）（0,128,0）（浅绿色）（0,196,0）（红色）（255,0,0）（蓝色）（0,0,255）（浅紫色）（187,140,187）（粉红色）（255,0,255）（褐色）（255,175,29）（黄色）（255,255,0）2）默认ROIs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。
九项技术监督常态化工作管理细则
九项技术监督常态化管理细则2008-12-1 发布2009-1-1 实施神华神东电力公司店塔电厂设备技术部发布目录1 总则 (1)2管理对象 (1)3管理程序 (1)4职责 (1)5检查与评价 (2)6附则 (2)1总则：1、为进一步推动九项技术监督工作，确保九项技术监督工作安全、稳定、有效开展，特制定本细则。
2、本着全过程、全方位监督的原则，及时发现隐患，有效处理，保证机组安全稳定运行，同时向电网输送安全、高效、合格的电能。
2管理对象：1.电测、绝缘、继电保护、电能质量、节能、环保、金属、热工、化学等九项技术监督。
2.九项技术监督体系内人员均应严格执行本细则。
3管理程序店塔电厂成立九项技术监督领导小组，在总工领导下开展工作，成员如下：组长：周维国成员：张维忠、张振斌、艾宏飞、李鹏强、刘志雄、侯正侠、潘文雅、孙巍1、九项技术监督成立技术监督三级网络，三级网络成员职责见“技术监督实施细则”。
2、各技术监督专工为本专业的归口管理者，负责监督本细则的执行。
3、技术监督第三级网络成员严格执行本细则，并将结果报监督专工。
4、技术监督三级网络成员必须有定期工作台帐，并及时更新完善。
5、此细则为“九项技术监督实施细则”子制度，如与“九项技术监督实施细则”相冲突，按“九项技术监督实施细则”执行。
4 职责4.1总工4.1.1担任本细则负责人4.1.2指导九项技术监督工作的开展。
4.2设备技术部经理4.2.1协助总工管理九项技术监督工作，向员工推广本细则，审查本细则执行的有效性。
4.2.2组织制定本细则执行的程序和操作规范，协调该细则在执行过程中出现的各种问题并提出修改意见。
4.3各专业主管4.3.1担任本细则执行人4.3.2负责对本细则工作开展进行监督。
4.3.3组织本专业员工进行培训，严格执行本细则的有关规定4.3.4提出对本细则的改进建议4.4技术监督三级网络成员：4.4.1在专工领导下开展工作4.4.2严格执行本细则，开展九项技术监督定期工作。
监督分类与非监督分类
实习目的和内容1 .选取研究区数据(512X512或者1024X1024),通过目视解译建立分类系统及其编码体 系2 .按照监督分类的步骤，在影像上找出对应各个土地利用/覆盖类型的参考图斑，利用ROI工具建立训练区，给出各个类别的特征统计表。
3 .计算各个分类类别之间的可分离性，整理成表格。
说明哪些地物类型之间较易区分，哪些类型之间难以区分。
4 .监督分类：利用最大似然法完成分类。
5 .分类精度评价，从随机采集100〜200个样本点，并确保每一类别不少于10个样本；进行分类精度评价，得到分类混淆矩阵，计算Kappa 系数，并对结果进行解释。
6 . 分类后处理(clump —sieve —majority)。
运用ISODATA 方法进行非监督分类：预先假定地表覆盖类型为30类，迭代次数选为15,由 系统完成非监督分类；然后进行类别定义与合并子类，最后进行结果的精度评价。
原理和方法1、监督分类：监督分类是在分类前人们已对遥感影像样本区中的类别属性有了先验知识， 进而可利用这些样本类别的特征作为依据建立和训练分类器(亦即建立判别函数)，进而完 成整幅影像的类型划分，将每个像元归并到相对应的一个类别中去。
换句话说，监督分类就 是根据地表覆盖分类体系、方案进行遥感影像的对比分析，据此建立影像分类判别规则，最 后完成整景影像的分类；2、可分性度量：本次实习主要涉及J —M 距离和变换分散度，都是一种特征空间距离度量方 法，是指影像特征矢量与各个类中心的距离，变换分散度是 TDivercd=[1-exp(-Divercd/8)],J —M 距离 J=2*(1-e-B)；3、最大似然分类法：在两类或多类判决中，假定各类分布函数为正态分布，并选择训练区， 用统计方法根据最大似然比贝叶斯判决准则法建立非线性判别函数集，计算各待分类样区的 归属概率，而进行分类的一种图像分类方法。
4、混淆矩阵：从随机点位上获取地面参考验证信息，并与遥感分类图进行逐像元比较，然 后将结果归纳到混淆矩阵，进而完成混淆矩阵分析。
国家电网公司供电企业档案分类表
国家电网公司供电企业档案分类表１．编制修改说明《供电企业档案分类表（６～９大类）》１９９１年由原能源部制定并印发实施，对于规范供电企业档案分类和提高档案管理水平，起到了重要作用。
但是，随着电网建设的发展，该表已不能完全适应供电企业档案分类工作的需要。
国家电网公司在广泛征求基层档案人员和专业技术人员意见的基础上，组织有关专家对该分类表进行了修订。
修订后的分类表保持了原分类表的基本框架，对原分类表的目录号（代号）进行了扩充，增补、调整了部分类目（如：增加了“工程监理、质量监督、设备监造”类目，将运行维护、检修类目设置从８大类调整至９大类，竣工图的分类按设计院出图的专业划分进行了调整，增设了“７科学技术研究”类的３级类目），完善了类目注释，使分类表更具有科学性、合理性，便于档案管理人员和工程技术人员掌握使用。
２．适用范围本分类表适用于供电企业“电力系统生产、调度”，“科学技术研究”，“基本建设”，“设备仪器”类（以下简称６～９大类）档案的分类。
３．术语和定义３．１企业档案指企业在研发、生产、经营和管理活动中形成的有保存价值的各种形式的文件。
３．２代码一个或一组有序的、易于人与计算机识别和处理，表示特定事物（或概念）的数字、字母、汉字及其它符号。
３．３档号用来固定档案排列顺序，反映档案内容，由具有特定含义的三组以上代码组成。
３．４目录代号案卷目录的编号，为档号第一组代码。
注：为保持档案分类体系的一致，本表档号的第一组代码借用了文书档案管理中“目录号”的名称，用以标识档案的形成或完成年度、建设项目的类型和顺序号等，称之为“目录代号”。
３．５类具有某种共同属性（或特征）的事物（或概念）的集合。
３．６档案分类根据档案的来源、时间、内容、特点、形成和相互联系，将档案区分为不同类别的逻辑方法。
３．７类目是一类在性质上具有某种（或某些）共同属性的事物的总称，用来表示一类事物的概念。
是档案分类的基本单位，是构成档案分类表的主要成分。
监督分类——精选推荐
监督分类（Supervised Classification）监督分类比非监督分类更多地要用户来控制，常用于对研究区域比较了解的情况。
在监督分类过程中，首先选择可以识别或者借助于其他信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。
对分类结果进行评价后再对模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。
监督分类一般要经过以下几个步骤：建立模板（训练样本）、评价模板、确定初步分类结果、检验分类结果、分类后处理、分类特征统计、栅格矢量转换。
1．建立模板（训练样本、定义分类模板Define Signatures）ERDAS IMAGINE的监督分类是基于分类模板（Classification Signature）来进行的，而分类模板的生成、管理、评价和编辑等功能是由分类模板编辑器（Signature Editor）来负责的。
在分类模板编辑器中生成分类模板的基础是原图像和（或）其特征空间图像。
第一步：显示需要分类的图像在视窗Viewer中显示图像aaa.img第二步：打开分类模板编辑器（两种方式）①ERDAS图标面板菜单条：Main →Image Classification → Classification菜单→ Signature Editor菜单项→ Signature Editor对话框②ERDAS图标面板工具条：点击Classifier图标→Classification菜单→Signature Editor菜单项→ Signature Editor对话框从上图中可以看到分类模板编辑器由菜单条、工具条和分类模板属性表（CellArray）三大部分组成。
第三步：调整分类属性字段Signature Editor对话框中的分类属性表中有很多字段，分类名称（将带入分类图像）分类颜色（将带入分类图像）分类代码（只能用正整数）分类过程中的判断顺序分类样区中的像元个数分类可能性权重（用于分类判断）不同字段对于建立分类模板的作用或意义是不同的，为了突出作用比较大的字段，需要进行必要的调整。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
然后，评价模板后会弹出一个文本框，分类误差矩形矩阵将显示在编辑器中供查看统计（图7）。由图7可知，从矩阵中可以看到在水体选择了255个像元，251个属于水体，4个属于植被，正确率98.43%；同理，建筑用地选了236个像元，236个全部属于建筑用地，正确率100%；植被正确率100%。
三、实验步骤
1、定义分类模板
第一步：在viewer视窗中显示要进行分类的图像lanier.img
图1监督分类原始图像
第二步：打开模板编辑器并调整显示字段
在Classification图标面板中→Signature Editor项打开分类模板编辑器，弹出如下对话框：
图2分类模板编辑器
第三步：获取分类模板信息
第二步，评价分类结果
执行监督分类之后，需要对分类效果进行评价，ERDAS提供了分类叠加、定义阈值、分类重编码和精度评估。在此介绍一下最简单常用的是分类叠加。
在viewer窗口中打开分类后的图像和原始分类影像，使其叠加显示然后通过闪烁显示或卷帘显示比较分类的效果，方法和非监督分类的类别判定的步骤相同。
实验9监督分类
一、实验目的
理解计算机图像分类的基本原理以及监督分类的过程，达到能熟练地对遥感图像进行监督分类的目的。
二、实验内容
ERDAS IMAGINE遥感图像监督分类。
监督分类一般有以下几个步骤：定义分类模板（Define Signatures）、评价分类模板（Evaluate Signatures）、执行监督分类（Perform Supervised Classification）、评价分类结果（Evaluate Classification）。
在Supervised Classification对话框中输入参数，需要分类的影像（lanier.img）、分类模板（lanier.sig）、分类后影像（lanier_supervised.img）以及精度规则；参数设置好后进行监督分类（如图8），分类结果如图9：
图8执行监督分类
图9监督分类结果图
图3创建感兴趣区域工具箱
图4创建感兴趣区域AOI
图5建立分类模板信息
第四步：保存分类模板按照第三步 Nhomakorabea择其它的类别，形成如图5所示的分类模板，然后保存分类模板File→Save As，打开Save Signature File As对话框，选择好路径并保存为lanier.sig文件。
2、评价分类模板
模板建立好后要对模板进行评价，一个精度高的模板是分类效果好的前提，模板的精度直接影响了分类的精度，下面我们选择一种方法进行评定，可能性矩阵（Contingency Matrix）；在Signature Editor对话框中选中所有类别在菜单Evaluation下选择Contingency（可能性矩阵）打开Contingency Matrix对话框输入各个参数：
图10评价分类结果—分叠加显示效果
4、分类后处理
无论监督分类还是非监督分类，都是按照图像光谱特征进行聚类分析的，因此，都带有一定的盲目性。所以，对获得的分类结果需要再进行一些处理工作，才能得到最终相对理想的分类结果，这些处理操作就通称为分类后处理。常用分类后处理主要有：聚类统计(Clump)、过滤分析（Sieve）、去除分析（Eliminate）、分类重码（Recode）等，下面只介绍一种分类后处理的方法：
获取分类模板信息（应用AOI绘图工具在原始图像中获取分类模板信息），在已经打开的viewer窗口中创建AOI区域即感兴趣的区域来创建模板，在viewer窗口中点击Raster工具面板的 图标，在视窗中选择一种颜色区域，绘制一个多边形AOI，然后在Signature Editor对话框，点击 图标，将多边形AOI区域加载到Signature分类模板中，将是同一类的类别通过点击合并 图标合并成一个类别。
从百分比来说，如果误差矩阵值小于85%，则模板需要重新建立，也可以选择另外一种方法进行模板评价。
图7可能性矩阵评价分类模板的结果
3、执行监督分类
第一步：根据已有模板进行监督分类
模板建立好后就可以根据已有的模板进行监督分类，在ERDAS图标面板工具条：点击Classifier图标→Classification菜单→Supervised Classification菜单项，弹出Supervised Classification对话框；
图11去除分析参数设置
②在Eliminate对话框中，需要确定下列参数：
确定输入文件：lanier_supervised.img
定义输出文件：lanier_eliminate.img
文件坐标类型为Map
确定最小图斑大小为16pixels
确定输出类型Unsigned 8 Bit
单击OK执行去除分析。
其它分类后处理方法类似。
去除分析（Eliminate）是用于删除原始分类图像中的小图斑或Clump聚类图像中的小Clump类组，将删除的小图斑合并到相邻的最大的分类当中。
①ERDAS图标面板菜单条：Main→Image Interpreter→GIS Analysis→Eliminate→ Eliminate对话框，如图11所示；