非监督分类方法步骤

① 什么是监督分类和非监督分类

监督分类又称训练场地法、训练分类法，是以建立统计识别函数为理论基础、依据典型样本训练方法进行分类的技术，即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类。

非监督分类是以不同影像地物在特征空间中类别特征的差别为依据的一种无先验类别标准的图像分类，是以集群为理论基础，通过计算机对图像进行集聚统计分析的方法。根据待分类样本特征参数的统计特征，建立决策规则来进行分类。

(1)非监督分类方法步骤扩展阅读

监督分类的主要优点如下：

（1）可根据应用目的和区域，充分利用先验知识，有选择地决定分类类别，避免出现不必要的类别；

（2）可控制训练样本的选择；

（3）可通过反复检验训练样本，来提高分类精度，避免分类严重错误；

（4）避免了非监督分类中对光谱集群组的重新归类。

缺点如下：

（1）其分类系统的确定、训练样本的选择，均人为主观因素较强，分析者定义的类别有可能并不是图像中存在的自然类别，导致各类别间可能出现重叠；分析者所选择的训练样本也可能并不代表图像中的真实情形；

（2）由于图像中同一类别的光谱差异，造成训练样本没有很好的代表性；

（3）训练样本的选取和评估需花费较多的人力、时间；

（4）只能识别训练样本中所定义的类别，若某类别由于训练者不知道或者其数量太少未被定义，则监督分类不能识别。

② 【遥感专题系列】影像信息提取之—— 土地利用数据监督与非监督分类

基于光谱的影像分类，分为监督与非监督分类，适用于中低分辨率数据，通过传统统计分析、神经网络、模式识别等方法实现。以下为监督分类流程及知识介绍。

监督分类步骤包括类别定义、特征判断、样本选择、分类器选择、影像分类与分类后处理。

类别定义与特征判断基于分类目的、影像自身特征及收集信息确定分类系统，评价图像质量，考虑预处理。本例使用ENVI自带Landsat tm5数据，分为林地、草地/灌木、耕地、裸地、沙地、其他六类。

样本选择通过感兴趣区（ROIs）确定，计算样本的可分离性以确保样本之间可区分性良好。

分类器选择根据分类复杂度、精度需求确定，包括基于传统统计分析的平行六面体、最小距离、马氏距离、最大似然，基于神经网络的，基于模式识别的如支持向量机、模糊分类等。

影像分类使用支持向量机分类方法，通过Toolbox工具箱实现。

分类后处理包括更改类别颜色、分类统计分析、小斑点处理等操作。

结果验证通过混淆矩阵和ROC曲线评估分类精度。

非监督分类，也称聚类分析，不需先验知识，仅依据影像上不同类别地物光谱信息进行特征提取。常用方法包括ISODATA、K-Mean和链状方法等。

非监督分类流程包括影像分析、分类器选择、影像分类、类别定义与合并、分类后处理和结果验证。

ENVI5.x提供了流程化的图像分类工具，方便进行监督分类的所有步骤。

监督与非监督分类的关键在于样本选择和分类器选择，以及非监督分类中的类别定义。合理选择样本和分类器，结合数据源和影像质量，可提高分类精度和可靠性。

总结，监督分类与非监督分类各有特点与应用场合，合理运用不同方法，结合具体数据与需求，可实现高效的影像信息提取与土地利用数据分类。