多光谱影像分类实践
杨沈斌
南京信息工程大学应用气象学院
概述
遥感影像分类是遥感应用的重要内容之一。多光谱遥感图像通过亮度或像元值的高低差异，即地物光谱信息在各波段图像上的反映，以及地物分布的空间特征来表示不同地物的差异。因此，不同地物的光谱特征差异及空间分布特性是区分不同地物的物理基础。遥感图像分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析，选择特征，将图像中每个像元按照特定的规则或算法划分为不同的类别，识别不同地物，并获取不同地物的空间分布。遥感图像分类主要分为两种方法：监督分类与非监督分类。另一种是将多源数据应用于图像分类中，发展成基于专家知识的决策树分类。
监督分类方法的一般过程：
1)定义训练样本
2)执行监督分类
3)评价分类结果
4)分类后处理
非监督分类方法的一般过程：
1)执行非监督分类
2)类别定义
3)合并子类
4)评价结果
监督分类方法的实践操作
以ENVI软件自带的Landsat TM数据can_tmr.img为例，运用最大似然分类算法（Maximum Likelihood Classification）进行影像分类的操作。按照该分类方法的一般过程执行，步骤如下：
1. 启动ENVI，使用File—Open Image File命令并打开ENVI软件默认路径下的can_tmr.img影像。打开后，使用波段组合R=7、G=4、B=2方式Load RGB显示，如图1所示。从Available Bands List中可以看出，该影响不带投影坐标系统（即没有蓝色的小地球图标）。从打开的图像中，基本上可以看出，绿色对应植被区域，山区有植被覆盖（深绿色），山的背阳面为黑色，白色的区域主要对应裸地（但笔者不是非常确定）。利用Z Profile（Spectrum）工具提取植被、河流、裸地的波段光谱曲线，如图2所示。从图中可以看出，不同地物的光谱曲线差异明显。
2. 建从菜的感中设建立ROI （感兴菜单中选择P 感兴趣区域作设定Fill 为
Li 图2 三种兴趣区域）。在Polygon （默认作为该地类的ine
形式以便种地物的波段光在影像显示窗认），同时在训练样本。例便查看。
图1 在E 光谱曲线，白色窗口上点击右在面板的Wind
例如，在图ENVI 中打开并色为农作物，蓝右键，打开RO dow 一栏选4
中用绿色多并显示影像
蓝色为林地，红OI Tool … 面中Zoom 。即
多边形建立了红色为裸地，绿面板。如图3所即以多边形方了
vegetation
绿色为河流
所示。点击面板方式在Zoom n1
的两处样方
板中ROI_Ty 窗口中建立方，在
ROI ype ，立一定Tool
3. 根练样令，出，的是
小于根据目视判图样本之间的可然后选择ca 各地类训练
是，两地类样于1.8，需要重图，从影像中可分性，以初an_tmr.img 影练样本间的可分样方之间的可
重新选择样本图4 中建立了四种初步判断可能影像，再选定分性很好，J 可分性越强，本；小于1
，图在Zoom 窗口种地物的ROI 的分类精度。定所有建立的Jeffries-Matus 数值越大，最
需要考虑将3 ROI Tool 面口中画取的v I 区域作为训。点击ROI 的ROI 训练样sita 和Trans 最大为2.0。
将两类样本合面板
vegetation1RO 训练样本，如Tool 面板里样本，最终得formed Diver 大于1.9则说
并一类样本。
OI 区域
图5所示。的Options —得到图6的可rgence 数值均说明样本之间。
下面操作用来Compute RO 可分性报告。均在1.9以上
间可分性好，来查看各RO OI Separabili 从报告中可上。这里需要属于合格样OI 训ity 命可以看
要说明样本；
4. 执的影有R 要设度小择N 辐射的整255；执行监督分类影像后，弹出ROI ，或者点设置似然度的小于该阈值不None 。面板中射率数据转化整型数据，也；对于
10-bi 类。在ENVI 出最大似然分点击面板区域的阈值。如果不被分入该类中Data Scale 化为浮点型数也就是DN 值it
数据，设定主菜单中，点分类方法的参数域下方的Selec 果选择Single 类。如果选择Factor 参数是数据。例如，，将比例系数
定的比例系数图5 建立图6点击Classifi 数设置对话框ct All Items 按Value ，则在Multiple Va 是一个数据比如果反射率数数设为2n -1，数为1023
；对立的四种地类的6 ROI 可分性报ication —Sup 框，如图7所按钮，选择全在Probability alue 时，则对比例系数。这数据为0~10n 为数据的对于11-bit
数的ROI 区域
报告
ervised —Ma 所示。在Sel 全部的训练样Threshold 文对每个训练样这个比例系数0000，则设定的比特数。例
数据，设定的aximum Likel lect Classes fr 样本。Set Pr 文本框中输入样本建立阈值数是一个比值定的比例系数如，对于8-b
的比例系数为lihood 。在选from Regions robability Th 入一个0~1的值，阈值意义值系数，用于数就为10000-bit 数据，设为2047
。点击
选择需要进行面板中，选hreshold 面板的值，即如果义与上同。这于将整型反射,。对于没有设定的比例系
击面板左下方行分类选择所板中需果似然这里选射率或有定标数为方按钮
