高光譜遙感數據處理系列（六）

非監(jiān)督分類是一種面對數據本身的分類方法，與之相對應的：監(jiān)督分類，則是面向先驗知識的分類方法。監(jiān)督分類是指給定已知類型的數據，通過建模的方式將這些數據與對應的類型建立映射關系，并將這種關系應用到未知類型的數據上的過程。如果每種類型用一個數字來表示，分類任務可以看做回歸分析的一種特例。

監(jiān)督分類需要有已知類型的數據集作為先驗知識進行訓練，稱為訓練集。一般可以通過目視解譯，或者實地樣方調查的方式獲取訓練集。構建訓練集的方法如下：

在主菜單②工具欄中點擊打開Region of Interest（ROI) Tool，進行興趣區(qū)選?。?/p>

ROI工具

Z基本的ROI選取過程如上圖所示，首先選擇①工具添加新的ROI范圍，在②中調整ROI的名稱和顏色，在③中選擇繪制ROI的圖形形狀，④在圖上繪制ROI，完成后右鍵Accept shape type。如果想要繪制帶有空洞的圖形，可以點擊復選框⑤所示的Multi Part復選框，然后在影像上繪制兩個疊加的圖形，完成后右鍵 Accept。

使用File可以進行ROI圖層的讀取與保存

如果選取好了ROI可以使用Options可以利用對ROI本身進行融合（Merge（Union/Intersection）ROI）,計算離散度（Compute ROI Separability），或者使用對ROI范圍內的圖像進行統(tǒng)計（Compute Statistics from ROIs）。另外也可以使用ROI對圖像進行裁剪。

除了使用不同形狀進行框選，還可以使用像元，自動區(qū)域生長，閾值選取等方式產生ROI。

在ENVI的幫助文件中詳細介紹了這些工具的使用方法。在主界面①菜單欄 Help 中打開-> 在左側Contents選項卡中的:book:ROIs, Vectors, Annotations，請讀者自行查閱。

在訓練集選擇完畢后就可以進行監(jiān)督分類，ENVI中提供了多種監(jiān)督分類的工具，包括：

• 平行六面體（Parallelepiped）

• Z小距離（Minimum Distance）

• 馬氏距離（Mahalanobis Distance）

• Z大似然（Maximum Likelihood）

• 神經網絡（Neural Net）

• 支持向量機（Support Vector Machine）

• 波譜角（Spectral Angle Mapper）

這里我們介紹兩種監(jiān)督分類方法，Z大似然法和波譜角方法。

01

Z大似然法

在ENVI的幫助文件中詳細介紹了各種分類方法的原理。在主界面①菜單欄 Help 中打開-> 在左側Contents選項卡中??Classification->Supervised Methods中，Z大似然法定義為:

Z大似然分類假設每個波段中每個類別的統(tǒng)計數據呈正態(tài)分布，并計算給定像素屬于特定類別的概率。每個像素被分配到具有Z高概率（即Z大似然）的類別。

根據該定義，Z大似然法將每個類別投影到特定的分布上，分類問題被轉化為分布相似性問題。

在主界面⑤中搜索Maximum Likelihood打開Z大似然分類工具。首先要選擇進行訓練的數據，需要強調的是，我們選擇在上篇文中生成的主成分分析的結果進行分類，而不是影像本身，具體原因在上篇文章中有詳細描述。

分類結果如下所示：

02

波譜角方法

光譜角映射器 (SAM) 是一種基于物理的光譜分類，它使用 n 維角度將像素與參考光譜進行匹配。該算法通過計算光譜之間的角度并將它們視為維數等于波段數的空間中的向量來確定兩個光譜之間的光譜相似性。SAM 使用的端元光譜可以來自 ASCII 文件或光譜庫，或者您可以直接從圖像中提取它們（作為 ROI 平均光譜）。SAM 比較端元譜向量與 n 維空間中每個像素向量之間的角度。較小的角度代表與參考光譜更接近。

在主界面⑤中搜索Spectral Angle Mapper打開光譜角工具，在端元集合（Endmember Collection：SAM）中導入選取的ROI，將上一步選取的ROI所在范圍的光譜均值作為特定類別的標準光譜。SAM的本質是將分類問題轉化為對比未知類別數據與標準光譜的余弦距離的問題。需要強調的是，我們選擇主成分分析的結果進行分類，而不是影像本身，具體原因在上篇文章中有詳細描述。

分類結果如下所示：

本文中我們介紹了兩種監(jiān)督分類的方法，相對于非監(jiān)督分類，監(jiān)督分類通過融入先驗知識，提供了有明確類別的結果，這大大減少了進行后續(xù)處理的成本。但是對于遙感應用來說，獲取地面真值的成本較高，通過目視解譯的方式會不可避免地引入人為誤差，給結果帶來不確定性。正如上一篇文章提到，數據和特征決定了分類的上限，而分類的方法只能逼近這個上限。如何構建質量高、數量多的訓練集，權衡成本是監(jiān)督分類需要考慮的問題。

掃碼關注我們