数字图像处理（五）图像分类实践操作

5.1 基于最大似然法的遥感图像土地覆盖分类

（1）实习内容简介

掌握利用ENVI软件开展基于最大似然法的遥感图像土地覆盖分类

（2）实习数据

数据采用Landsat8_OLl_multi_classify.dat 和 Google_earth_picture.dat，数据展示如下：

 

（3）实验结果对比分析

 

 

以上是分类结果图和基于随机点的监督精度评价。从原理的角度分析，最大似然法的基本思想是:首先定义一个从属于某种类别的概率分布集群然后把待分类像元落入各类别的条件概率作为判别函数，将像元落入某类别的条件概率最大的类定义为该像元的类别。这是最常用的监督分类方法之一，精度一般都还是比较高的。

5.2 基于决策树方法的遥感图像土地覆盖分类

（1）实习内容简介

掌握利用ENVI软件开展基于决策树方法的遥感图像土地覆盖分类。

（2）实习数据

多光谱影像 Landsat8_Oll_multi_classify.dat

坡度影像Slope.dat

植被指数数据 Landsat8_Oll_multi_classify_ ndvi.dat

数据展示如下：

 

（3）实验结果对比分析

 

 

这是经过平滑处理之后的基于决策树的分类结果图。从原理上分析，决策树分类是通过学习目标地物与相关要素的分布规律，构建一套基于相关要素的判断规则,通过若干次中间判别，将多个相关要素变量数据集合逐步分解为几个属性均质的特征子集。它的基本思想是，逐步从原始数据中分离并掩膜每一种目标作为一个图层或树枝，避免此目标对其他目标提取时造成干扰和影响，最终将所有图层复合以实现对图像的自动分类。

 

以上是最大似然分类和决策树分类的对比，可以看到对于此影像来说区别并不大。

5.3 面向对象的遥感图像土地覆盖分类

（1）实习内容简介

掌握利用ENVI软件开展面向对象的遥感图像土地覆盖分类。

（2）实习数据

采用数据为Aerial_photograph classify.dat，数据展示如下：

 

（3）实验结果对比分析

 

 

以上是基于面向对象的分类方法的分类结果。从原理上来分析，它的基本思想是先将图像分割成多个具有相同属性特征的均质单元，也就是对象，然后采用一定的分类算法对这些对象的类别进行识别。在对某些类型的影像进行分类时，效果还是非常不错的。