非監督分類方法步驟

① 什麼是監督分類和非監督分類

監督分類又稱訓練場地法、訓練分類法，是以建立統計識別函數為理論基礎、依據典型樣本訓練方法進行分類的技術，即根據已知訓練區提供的樣本，通過選擇特徵參數，求出特徵參數作為決策規則，建立判別函數以對各待分類影像進行的圖像分類。

非監督分類是以不同影像地物在特徵空間中類別特徵的差別為依據的一種無先驗類別標準的圖像分類，是以集群為理論基礎，通過計算機對圖像進行集聚統計分析的方法。根據待分類樣本特徵參數的統計特徵，建立決策規則來進行分類。

(1)非監督分類方法步驟擴展閱讀

監督分類的主要優點如下：

（1）可根據應用目的和區域，充分利用先驗知識，有選擇地決定分類類別，避免出現不必要的類別；

（2）可控制訓練樣本的選擇；

（3）可通過反復檢驗訓練樣本，來提高分類精度，避免分類嚴重錯誤；

（4）避免了非監督分類中對光譜集群組的重新歸類。

缺點如下：

（1）其分類系統的確定、訓練樣本的選擇，均人為主觀因素較強，分析者定義的類別有可能並不是圖像中存在的自然類別，導致各類別間可能出現重疊；分析者所選擇的訓練樣本也可能並不代表圖像中的真實情形；

（2）由於圖像中同一類別的光譜差異，造成訓練樣本沒有很好的代表性；

（3）訓練樣本的選取和評估需花費較多的人力、時間；

（4）只能識別訓練樣本中所定義的類別，若某類別由於訓練者不知道或者其數量太少未被定義，則監督分類不能識別。

② 【遙感專題系列】影像信息提取之—— 土地利用數據監督與非監督分類

基於光譜的影像分類，分為監督與非監督分類，適用於中低解析度數據，通過傳統統計分析、神經網路、模式識別等方法實現。以下為監督分類流程及知識介紹。

監督分類步驟包括類別定義、特徵判斷、樣本選擇、分類器選擇、影像分類與分類後處理。

類別定義與特徵判斷基於分類目的、影像自身特徵及收集信息確定分類系統，評價圖像質量，考慮預處理。本例使用ENVI自帶Landsat tm5數據，分為林地、草地/灌木、耕地、裸地、沙地、其他六類。

樣本選擇通過感興趣區（ROIs）確定，計算樣本的可分離性以確保樣本之間可區分性良好。

分類器選擇根據分類復雜度、精度需求確定，包括基於傳統統計分析的平行六面體、最小距離、馬氏距離、最大似然，基於神經網路的，基於模式識別的如支持向量機、模糊分類等。

影像分類使用支持向量機分類方法，通過Toolbox工具箱實現。

分類後處理包括更改類別顏色、分類統計分析、小斑點處理等操作。

結果驗證通過混淆矩陣和ROC曲線評估分類精度。

非監督分類，也稱聚類分析，不需先驗知識，僅依據影像上不同類別地物光譜信息進行特徵提取。常用方法包括ISODATA、K-Mean和鏈狀方法等。

非監督分類流程包括影像分析、分類器選擇、影像分類、類別定義與合並、分類後處理和結果驗證。

ENVI5.x提供了流程化的圖像分類工具，方便進行監督分類的所有步驟。

監督與非監督分類的關鍵在於樣本選擇和分類器選擇，以及非監督分類中的類別定義。合理選擇樣本和分類器，結合數據源和影像質量，可提高分類精度和可靠性。

總結，監督分類與非監督分類各有特點與應用場合，合理運用不同方法，結合具體數據與需求，可實現高效的影像信息提取與土地利用數據分類。