every blog every motto: There is only one me in this world

0. 前言

0.1 基本概念

• 遥感影像通过亮度或像元值的高低差异（反映地物的光谱信息）及空间变化（反映地物空间信息）来表示不同地物的差异，这是区分不同影像的物理基础。
• 遥感影像分类就是利用计算机通过对遥感影像中各类地物的光谱信息和空间信息进行计算，选择特征，将图像中每个像元按照某种规则或算法划分为不同的类别，然后获得遥感影像中与实际地物的对应信息，从而实现遥感影像的分类
  

0.2 遥感图像分类

0.2.1 基于光谱分类方法

1. 非监督分类

• ISODATA
• K-Means

2. 监督分类

• 基于传统统计分析分类器
  – 平行六面体
  – 最小距离
  – 马氏距离
  – 最大似然
• 基于人工智能分类器
  – 神经网络
• 基于模式识别分类器
  – 支持向量机
  – 模糊分类

0.2.2 监督分类流程图

0.3 练习

数据

Landsta TM

内容

• 选择样本
• 计算样本可分离读
• 选择一种分类器
• 影像分类
• 分类后处理
• 精度验证

结果

分类结果

1. 正文

打开地图，拉伸2%，改变波段（5，4，3）

1.1 样本选择

新建感兴趣区

林地

耕地

裸地

沙地

草地

1.2 样本质量检查

样本可分离性


大于1.9，可分离性好，小于1.8要重新选择样本

重新计算以后，如下图

如果可分离度小于，说明是一类样本，可以合并，如下图

合并 林地 ，草地/灌木，如下图

保存样本


保存成老版本（.roi)格式

1.3 分类器选择

支持向量机



分类之后结果

1.4 结果验证

• 混淆矩阵
• 图解法
  加载验证样本
  
  用混淆矩阵进行验证
  
  
  
  结果