摘要: 遥感中的无监督分类与有监督分类 三种最常见的遥感分类方法是： 1.无监督分类 2.监督分类 3.基于对象的图像分析 监督分类和非监督分类的主要区别是什么呢？可以按照在ArcGIS中进行分类的方式进行操作。 遥感监督分类 “在监督分类中，选择训练样本并根据所选...
遥感中的无监督分类与有监督分类
三种最常见的遥感分类方法是：
1.无监督分类
2.监督分类
3.基于对象的图像分析
监督分类和非监督分类的主要区别是什么呢？可以按照在ArcGIS中进行分类的方式进行操作。
遥感监督分类
“在监督分类中，选择训练样本并根据所选样本对图像进行分类。训练样本很关键，因为它们将确定每个像素在整个图像中继承的类别。”
运行监督分类时，请执行以下3个步骤：
1.选择培训区域
2.生成签名文件
3.分类
第一步：选择培训领域
在此步骤中，将找到要创建的每个土地覆盖类别的训练样本。例如，为市区（例如道路或停车场）绘制多边形。然后，继续绘制代表整个图像的市区，确保它不仅是一个区域。
一旦有足够的城市样本，就可以开始为另一个土地覆盖类别添加培训样本。 例如，可以在“森林”类的树状区域上添加多边形。
如果使用的是ArcGIS，请执行以下步骤：
事先，必须启用“图像分析”工具栏（Windows▶图像分析）。
添加培训样本管理器。然后，单击“绘制多边形”图标以添加训练样本。
对于每个土地覆盖类别，绘制多边形。然后，将其合并为一个类。
第二步：生成签名文件
此时，应该为每个课程准备训练样本。签名文件将保存到目前为止收集的所有训练样本数据。这是一种保存样本供以后使用的方法。
ArcGIS中的步骤为：
- 通过单击“创建签名文件”图标来创建签名文件。
第三步：分类
最常见的监督分类方法包括：
- 最大可能性
- Iso群集
- 类概率
- 主成分
- 支持向量机（SVM）
如先前的研究所示，SVM达到了最高的预测准确度之一。但是每种选择都有其自身的优势。总体而言，最好自己进行测试。
在此步骤中，输入的是签名文件，其中包含训练样本。如果运行它而对结果不满意，则可能必须验证训练样本。最终，这是了解分类错误存在的最佳方法。
ArcGIS中的步骤为：
运行“分类”工具。接下来，输入将是签名文件。
遥感中的无监督分类
“无监督分类会根据图像中固有的相似光谱特征生成聚类。然后，可以对每个群集进行分类，而无需提供自己的训练样本。”
运行无监督分类的步骤是：
1.生成群集
2.分配类
第一步：生成群集
在此步骤中，软件将像素聚类为一定数量的类别。因此，第一步是分配要生成的类的数量，另外，必须确定要使用的频段。
如果使用的是陆地卫星，则这里是陆地卫星波段的列表。对于Sentinel，这是Sentinel-2波段。我们还提供了有关光谱特征的便捷指南，该指南解释了哪些光谱带可用于对不同类别进行分类。
在ArcGIS中，生成群集的步骤为：
- 首先，必须激活空间分析器扩展（自定义▶扩展▶空间分析）。
- 在这个无监督的分类示例中，使用等值聚类（空间分析工具▶多元变量▶等值聚类）。
输入：分类的图像。
类数：在无监督分类中生成的类数。例如，如果正在处理多光谱图像 （红色，绿色，蓝色和NIR波段），那么这里的数字将是40（4个等级x 10）。
最小类别大小：这是制作唯一类别的像素数。
单击“确定”时，将根据输入参数创建集群。但仍然需要确定每个群集所属的土地覆盖类别。
第二步分配类
现在，已有集群，最后一步是从Iso集群输出中标识每个类。以下是一些让这一步更简单的技巧：
- 通常，有助于为每个类别选择颜色。例如，为每个班级将水设置为蓝色。
- 设置完每个类别后，可以使用重新分类工具合并这些类别。
如果土地覆盖物出现在两个类别中，则需要进行一些手动编辑。例如，如果植被被错误地归类为水（可能是水中的藻类），则必须手动编辑多边形。
在大多数情况下，它有助于将栅格转换为矢量并使用编辑工具栏，可以分割多边形以帮助正确识别它们。
阅读更多：9个免费的全球土地覆盖/土地使用数据集。
有监督和无监督方法的土地覆被分类
今天，已了解了如何使用监督分类和非监督分类来创建土地覆被。
