遥感影像监督分类与非监督分类及相关代码实现

遥感影像监督分类与非监督分类

摘 要：遥感影像的分类方法按照是否有先验类别可分为监督分类和

非监督分类，这两种分类方法有着本质的区别但也有存在一定的联

系。本文从分类原理和分类方法等不同角度分别介绍了监督分类和

非监督分类方法， 并对两种方法的分类结果进行了对比和分析。

关键词：遥感；监督分类；非监督分类；ISODATA 算法；贝叶斯分

类算法。

1. 数据来源

中选择了 3 个波段，分别是 120、140 和 160。下面两幅图分别是

全波段影像和三波段影像：

图 1 全波段影像 图 2 三波段影像

2. 遥感影像的监督分类

2.1 监督分类的原理

监督分类 （supervised classification）又称训练场地法，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。

K-NN 分类法。本文选用最大释然分类法对遥感影像进行监督分类。

最大似然判别法. 也称为贝叶斯(Bayes) 分类,是基于图像统计的监

督分类法,也是典型的和应用最广的监督分类方法. 它建立在 Bayes 准

则的基础上,偏重于集群分布的统计特性,分类原理是假定训练样本数

据在光谱空间的分布是服从高斯正态分布规律的,做出样本的概率密

度等值线,确定分类,然后通过计算标本(像元) 属于各组(类) 的概率,将

标本归属于概率最大的一组. 用最大似然法分类,具体分为三步:首先

确定各类的训练样本,再根据训练样本计算各类的统计特征值,建立分

类判别函数,最后逐点扫描影像各像元,将像元特征向量代入判别函数,

求出其属于各类的概率,将待判断像元归属于最大判别函数值的一组。

#include<iostream.h>

#include<fstream.h>

#include<stdlib.h>

#include<math.h>

#include<iomanip.h>

const float PI=3.1415;

float train1[60][3],train2[60][3],train3[60][3],train4[60][3]; //存各

类训练样本

别，行号，列号，一波段灰度，二波段灰度，三波段灰度，分类后

类别

float a1,a2,a3,a4; //公式中常数项；

float qq,qq1,qq2,qq3,qq4; //分类精度

float k; //kappa 值

int q[4][4]; //混淆矩阵

float a[4][4]; //精度指标矩阵 各列分别为生产者精度

漏分误差

//用户精度 错分误差

void compute(float train[60][3],float m[3],float c[3][3],float *a);

band2,float band3);

void testing();

度值

波段的灰度值

compute(train1,m1,c1,&a1); //计算各类均值向量及协方差矩阵

testing(); //对检验样本分类

}

void getdata1(char *filename)

if(infile==0)