基于ENVI软件的遥感信息处理 - 图文(3)

（5）同样在高斯—克吕格投影影像任选五个坐标点对（表2-1），利用高斯—克吕格投影正算公式计算出New Lat，New Lon坐标（表2-4），对Lat与New Lat，Lon与New Lon进行比较，计算它们之间的误差大小（表2-5），其中所有计算过程也由MATLAB软件完成。 高斯—克吕格投影反算公式计算的采样坐标点对（2-4） New Lat New Lon X Y 4903259.052900 280489.89610000 44.2314314800 -107.7474153100 4904849.769500 4904039.423400 4901818.473900 4904249.512700 X 4903259.052900 4904849.769500 4904039.423400 4901818.473900 4904249.512700 三、监督分类

1.实验目的

281510.29670000 281210.17930000 279709.59460000 280970.08650000 Y 280489.89610000 281510.29670000 281210.17930000 279709.59460000 280970.08650000 44.2460371900 44.2386632400 44.2182474300 44.2404793000 New Lat-Lat -107.7353211800 -107.7387359800 -107.7565656900 -107.7418257100 New Lon-Lon 高斯—克吕格投影反算公式与envi软件精度比较（表2-5）

0.0003398100 0.0003400700 0.0003403700 0.0003402900 0.0003399900 0.0000180200 0.0000179500 0.0000179500 0.0000180400 0.0000179900 使用学习样本和验证样本两套数据，对遥感影像分别采用最小距离法、最大似然法、神经网络法进行监督分类，并对混淆矩阵，总体分类精度，Kappa系数等进行分析，最后对各分类结果制图。 2.实验原理

监督分类：又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中图像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判断函数进行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决函数去对其他待分数据进行分类，使每个像元和训练样本作比较，按不同的规则将其划分到与其最相似的样本类，以此完成对整个图像的分类。

最小距离分类法：最小距离法是一种基于距离准则的监督分类方法。最小距离分类首先要根据各已知类别的训练区计算各个类别中心的距离，即类别的均值向量，然后对一个待分类样本（像元)计算其到各个已知类别中心的距离，与哪一类的距离最小，就将该样本判归该类。对一个n个特征，k个类别的分类，设各个类别的均值向量为Mi(i=1,2,??，k),待分类像元用X表示，则最小距离法用下述判别函数对像元进行分类：

rgmi=1,2,??，k。若l?agi?X??[(X?Mi)(X?Mi)]?[?(xj?mij)]；ingi(X)，

Tj?11?i?k12n12则X??l，其中：T表示转置；xj是模式向量X的第j维分量；mij是第i类别均值向量Mi的第j维分量。

最大似然分类法：在两类或多类判决中，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，假定各类分布函数为正态分布，并选择训练区，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。又称为贝叶斯（Bayes）分类法，是根据Bayes准则对遥感影像进行分类的，亦称基于最小错误概率的Bayes分类法。

贝叶斯定理：假设B1,B2?互斥且构成一个完全事件，A伴随它们出现，已知它们分别发生的先验概率P(Bi),i=1,2,?及A的条件概率P(A|Bi)，则可以得到事件A的后验概率P(Bi|A)。由概率乘法公式：P(AB)=P(A)*P(B|A)=P(B)*P(A|B)，可导出贝叶斯定理公式：

P(A|B)?P(B|A)*P(A)。

P(B)设有s个类别，用ω1、ω2、?、ωs来表示，每个类别发生的概率（先验概率）分别为P(ω1)、P(ω2)、?、P(ωs)；设有未知类别的样本X，其类条件概率分别为P(X|ω1) 、 P(X|ω2) 、?、 P(X|ωs)；则根据贝叶斯定理可以得到样本X出现的后验概率为：

P(?i|X)?P(X|?i)*P(?i)P(X|?i)*P(?i)?sP(X)?P(X|?i)*P(?i)i?1，此时，以样本X出现的后

验概率作为判别函数来确定样本X的所属类别，其分类准则为：如果

P(?i|X)?maxP(?i|X),则X??i。通过简化，可以得到直接的分类准则：

j?1s若P（X|?i）P(?i)?maxP（X|?i）P(?i),则X??i。这样，就可以通过观测样本X，

j?1s把先验概率P(ωi)转化为后验概率P(ωi|X)，并以后验概率最大的原则确定样本X的所属类别。

人工神经网络分类法：首先通过已知类别样本对网络进行训练，获得正确的连接权值，即学习过程；然后在该组权值下对未知样本进行预测识别。学习功能是神经网络的最重要特点，神经网络的学习是要通过训练样本确定网络中的各权值?ij，以保证样本的正确分类或识别。以前馈神经网络为例，其学习算法可表达为对权值的修正：??ij??yixi，其中??ij是对从输入神经元uj到输出神经元ui的连接权值的修正量；?是控制学习速度的系数。

前馈神经网络的一个著名学习算法是反向传播算法（BP）,主要思想是从后向前（反向）逐层传播传输层的误差，以间接算出隐层误差并调整权值。算法分为两个阶段：第一阶段（正向过程）输入信息从输入层经隐层逐层计算各单元的输出值；第二阶段（反向传播过程）输出误差逐层向后计算出隐层各单元的误差，并用此误差修正前层权值。

正向计算：netj???o,oijiij?f(netj)；定义误差函数（均方误差）：

E?1?j)2，其中y?j?oj为输出层的计算值，yj为训练样本的实际值。显然，误(yj?y?2j差E是各权值的函数，因此正确的权值应是使E极小化的权值。算法原理是在误差曲面中寻找最小值。 3.数据来源

本次实验所使用数据为2001年宜昌地区影像，该数据为Aster1-9波段，30米分辨率，投影为WGS-84，UL纬度为30.82418333，UL经度为111.21726944。

4.实现过程

（1）打开并显示aster影像文件，从envi主菜单中，选择File——Open Image File选择yichang2001aster_打开，选择band3，band2，band1进行组合加载显示。

（2）在mapinfo软件中，使用SQL查询语句获取宜昌市主城区数据并将该数据在mapinfo中转出并保存为.MIF格式的矢量数据。

Envi主菜单下选择Vecto——Open Vector File——Query.MIF——Load Selected，最终将其加载至envi的display窗口。

（3）Envi主菜单——Basic Tools——Region Of Interest---RIO Tool，对不同的地物分别进行采样。

（4）Envi主菜单——Basic Tools——Masking——Build Mask，进入Mask Definition面板，选择Options——Import EVFs，选中Query.MIF文件做掩膜，输出结果如下图所示。

（5） 在Envi主菜单——Classification---Supervised——Minnimum Distance(最小距离分类法)，进入Classification Input File面板，需要注意的是点击Select Mask Band按钮，选择上一步输出的掩膜文件，然后进行分类。

（6）在envi主菜单——Classification——Post Classification——Confusion Matrix——Using Ground Trut——ROIS，出现Classification Input File面板，选择上一步分类后的数据结果，进入Match Classes Paramters，将验证样本点与训练样本点同类别进行配对。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于ENVI软件的遥感信息处理 - 图文(3)在线全文阅读。