Experimento 18 Procesamiento de clasificación no supervisado de imágenes de teledetección
1. Propósito experimental
Al utilizar los dos clasificadores no supervisados por teledetección de ENVI: clasificación no supervisada IsoData y comandos de clasificación no supervisada K-Means, profundizaremos la clasificación no supervisada por teledetección Comprender los principios y aplicaciones geológicas, comprender su proceso de implementación técnica e inicialmente dominar las operaciones básicas de sus comandos de función ENVI.
2. Contenido experimental
① Clasificación no supervisada de datos de imágenes de detección remota de Guilin City TM ② Clasificación no supervisada de KMeans de Guilin City TM; Análisis comparativo de los efectos de la clasificación no supervisada.
3. Requisitos experimentales
(① Obtener una vista previa de los principios de los algoritmos ISODATA y K-Means; ② Dominar las operaciones básicas del procesamiento de clasificación ISODATA y K-Means; ③ Comparar las dos clasificaciones resultados Realizar un análisis comparativo; ④Escribir un informe experimental
IV. Condiciones técnicas
①Microcomputadora; ②Datos de imágenes de detección remota Guilin City TM ③Software ENVI (versión 6.0 o superior); software (ver.4.0 o superior).
5. Pasos experimentales
La clasificación no supervisada se basa en las características estadísticas de los datos de la imagen y la situación del grupo de puntos, a partir de estadísticas puras. El ángulo se utiliza para clasificar datos de imágenes. La clasificación no supervisada no requiere una categoría determinada por adelantado y está determinada por las características estadísticas de los datos de la imagen, es decir, objetos similares tienen características espectrales iguales o similares (como valores DN). las mismas condiciones de imagen pertenecen a la misma región del espacio espectral; diferentes objetos terrestres pertenecen a diferentes regiones del espacio espectral debido a diferentes características de información espectral.
La clasificación no supervisada generalmente se puede dividir en cuatro pasos: realizar clasificación no supervisada y definición de categoría, fusionar subcategorías y resultados de evaluación
(1) Realizar clasificación no supervisada
ENVI tiene dos métodos de clasificación no supervisada: ISODATA y K-Means. 1.Clasificación no supervisada ISODATA
ISODATA (técnica de análisis de datos autoorganizado iterativo) es un método de análisis de conglomerados que clasifica según el grado de conexión (cercanía) entre píxeles. El método de análisis estadístico calcula la clasificación no supervisada. media de clase distribuida uniformemente en el espacio de datos, y luego utiliza la técnica de distancia mínima para agregar iterativamente los píxeles restantes. La media se recalcula en cada iteración y los píxeles se recalculan en función de la nueva media obtenida. sigue:
Seleccione "Clasificación>Sin supervisión>ISODATA" en la barra de menú principal de ENVI, seleccione la imagen de detección remota que se clasificará en el cuadro de diálogo "Archivo de entrada de clasificación" y abra el cuadro de diálogo "Parámetros ISODATA". cuadro de diálogo, como se muestra en la Figura 18-1
Figura 18-1 Cuadro de diálogo de parámetros ISODATA
Describa los parámetros en la Figura 18-1 de la siguiente manera:
(1) Número de Clases: El rango del número de clases (mínimo y máximo). Generalmente, el número mínimo ingresado no puede ser menor que el número final de categorías, y el número máximo es de 2 a 3 veces el número final de. categorías
(2) ) Iteraciones máximas: el número máximo de iteraciones. Cuanto mayor sea el número de iteraciones, más preciso será el resultado.
(3) % de umbral de cambio. (0~100): Umbral de cambio (0~100%). Cuando el número de píxeles transformados de un tipo es menor que el umbral, el proceso iterativo finaliza. Cuanto menor sea el valor, más preciso será el resultado.
(4) Número mínimo de píxeles en clase: el número mínimo de píxeles necesarios para formar una clase. Si el número de píxeles de una clase es menor que el número mínimo de píxeles, la clase se eliminará. Las celdas se agrupan en la clase más cercana.
(5) Maximum Class Stdv: Desviación estándar máxima de clasificación, en valores de píxeles. Si la desviación estándar de una determinada clase es mayor que el umbral, la clase se dividirá en dos clases.
(6) Distancia mínima de clase: la distancia mínima entre medias de clase. Si la distancia entre medias de clase es menor que el valor mínimo de entrada, esta clase se fusionará.
(7) Número máximo de pares fusionados: el número máximo de pares fusionados.
(8) Desviación estándar máxima de la media: la desviación estándar máxima de la media de la categoría, que es opcional. Las celdas más pequeñas que esta desviación estándar se seleccionan para participar en la clasificación.
(9) Error de Distancia Máxima: El error de distancia máximo permitido, el cual es opcional. Se seleccionan celdas menores a este error de distancia máxima para participar en la clasificación.
(10) Seleccione la ruta de salida y el nombre del archivo, haga clic en el botón Aceptar y realice la clasificación ISODATA sin supervisión.
2.Clasificación no supervisada de K-Means
El algoritmo de K-Means acepta la cantidad de entrada K; luego divide n objetos de datos en K grupos para que los grupos obtenidos satisfagan: La similitud de Los objetos en el mismo grupo son altos, mientras que la similitud entre objetos en diferentes grupos es pequeña. La similitud de agrupamiento se calcula utilizando un "objeto central" (centro de gravedad) obtenido utilizando el valor medio de los objetos en cada grupo. Los pasos de operación específicos son los siguientes:
Seleccione "Clasificación>No supervisado>K-Means" en la barra de menú principal de ENVI, seleccione la imagen de detección remota que se clasificará en el cuadro de diálogo "Archivo de entrada de clasificación". y abra el cuadro de diálogo "Parámetros K-Means", como se muestra en la Figura 18-2.
Figura 18-2 Cuadro de diálogo de configuración de parámetros del clasificador K-Means
(1) Número de clases: el número de clases, generalmente la entrada es de 2 a 3 veces el número final de clases. .
(2) Iteraciones máximas: el número máximo de iteraciones. Cuanto mayor sea el número de iteraciones, más precisos serán los resultados obtenidos.
(3) Desviación estándar máxima de la media: la desviación estándar máxima de la media de la categoría, que es opcional. Las celdas más pequeñas que esta desviación estándar se seleccionan para participar en la clasificación.
(4) Error de distancia máxima: El error de distancia máximo permitido, que es opcional. Se seleccionan píxeles menores que este error de distancia máxima para participar en la clasificación.
(5) Seleccione la ruta de salida y el nombre del archivo, haga clic en el botón Aceptar y realice la clasificación no supervisada de K-Means.
(2) Definir categorías y fusionar subcategorías
Después de realizar una clasificación no supervisada, solo se obtiene un resultado de clasificación preliminar y se requiere la operación de fusionar dominios de definición de categorías en subcategorías.
1. Definición de categoría
La base para la definición de categoría se puede obtener mediante interpretación visual en imágenes de mayor resolución o mediante estudios de campo.
(1) Abra la imagen clasificada, es decir, los datos de detección remota QuickBird del área de Guanyang, y muéstrela en "Pantalla".
(2) En la ventana principal de la imagen clasificada, seleccione "Superposición>Clasificación", seleccione el resultado de la clasificación no supervisada en el cuadro de diálogo "Archivo de entrada de la herramienta de clase interactiva" y haga clic en el botón Aceptar para abrir. el cuadro de diálogo "Herramienta de clase interactiva", como se muestra en la Figura 18-3.
Figura 18-3 Cuadro de diálogo de la herramienta de clasificación interactiva
(3) En el cuadro de diálogo "Herramienta de clase interactiva", marque la casilla de selección "Activado" frente a la categoría. dichos resultados en la ventana de imagen de clasificación "Mostrar" para identificar esta categoría de clasificación.
(4) En el cuadro de diálogo "Herramienta de clase interactiva", seleccione "Opciones>Editar colores/nombres de clase" para abrir el cuadro de diálogo "Edición del mapa de colores de clase", como se muestra en la Figura 18-4.
En el cuadro de diálogo "Edición del mapa de colores de clase", seleccione la categoría correspondiente e ingrese el nombre de la categoría redefinida en "Nombre de clase". También puede modificar el color que se muestra para esta categoría. Botón Aceptar. Complete la modificación.
(5) Repita los pasos (3) a (4) para definir otras categorías.
(6) Después de completar la definición de cada categoría, en el cuadro de diálogo "Herramienta de clase interactiva", seleccione "Archivo>Guardar cambios en archivo" para guardar los resultados de la modificación.
2. Fusionar subcategorías
Al seleccionar el número de categorías de clasificación no supervisadas, generalmente se elige que sea de 2 a 3 veces el número final de categorías. Por lo tanto, después de definir las categorías, es necesario fusionar la misma categoría.
(1) En la barra de menú principal de ENVI, seleccione "Clasificación > Clasificación posterior > Combinar clases", seleccione el resultado de clasificación definido en el cuadro de diálogo "Combinar archivo de entrada de clases" y haga clic en el botón Aceptar para ábralo en el cuadro de diálogo "Combinar parámetros de clases" (Figura 18-5).
Figura 18-4 Cuadro de diálogo Editar nombre de clasificación y color
Figura 18-5 Cuadro de diálogo Combinar clasificación
(2) En el cuadro de diálogo "Combinar parámetros de clases" cuadro, seleccione la categoría combinada de "Seleccionar clase de entrada", seleccione la categoría combinada de "Seleccionar clase de salida", haga clic en el botón Agregar combinación para agregarla al esquema de combinación, y el esquema de combinación se mostrará en la lista "Combinar clases" medio.
(3) Una vez determinado el plan de combinación, haga clic en el botón Aceptar para abrir el cuadro de diálogo "Combinar salida de clases" y seleccione "Sí" en la opción "Eliminar clases vacías" para eliminar las clases inútiles. .
(4) Seleccione la ruta y el nombre de la carpeta del resultado de la combinación de salida, haga clic en el botón Aceptar para ejecutar la subcategoría de combinación.
(3) Procesamiento posterior a la clasificación y evaluación de los resultados de la clasificación
El método de procesamiento posterior a la clasificación y evaluación de los resultados de la clasificación es el mismo que el de la clasificación supervisada. la "Clasificación Supervisada de Imágenes de Percepción Remota" en el Experimento 17".
Después de completar la clasificación no supervisada de imágenes de teledetección, se utilizaron los métodos de clasificación no supervisada ISODATA y K-Means para realizar el procesamiento de clasificación no supervisado de imágenes de teledetección QuickBird en el área de Guanyang, y se utilizó la matriz de confusión para evaluar la Se obtienen dos resultados de clasificación: la precisión general de la clasificación y el coeficiente Kappa. Compare los dos resultados de clasificación, regístrelos en un archivo WORD, asígnele el nombre "Evaluación de los resultados de clasificación de dos métodos de clasificación no supervisados de imágenes de teledetección QuickBird en el área de Guanyang" y guárdelo en su carpeta de trabajo.
6. Informe del experimento
(1) Describe brevemente el proceso experimental.
(2) Responda las preguntas: ①De acuerdo con los pasos de la operación experimental y la relación entre cada paso, analice las diferentes características de los dos métodos de clasificación no supervisados. ② Compare cualitativamente los efectos de dos métodos de clasificación no supervisados mediante interpretación visual.
Consulte el Apéndice 1 para conocer el formato del informe experimental.