实验三:遥感影像目视解译与非监督分类

简介: 实验三:遥感影像目视解译与非监督分类

首先打开arcgis软件,并加载遥感影像。

选择存放文件夹,右击选择NEW,新建一个shapefile类型的面文件。接下来设置坐标系,坐标系选择导入遥感影像相同的坐标系


新建完成shapefile文件以后,打开编辑器,并单击开始编辑,此时shapefile处于可编辑状态。

在编辑器的下拉菜单里,选择编辑窗口,创建要素,会出现一个用来创建要素的框目。点一下创建要素窗口里的新建要素,回到主窗口页面会发现鼠标变成了一个十字形,此时就可以对遥感影像进行处理了。

最后保存编辑即可

非监督分类的概念:


非监督分类,又称“聚类分析或者点群分析”。在多光谱图像中搜寻、定义其自然相似光谱集群的过程。它不必对图像地物获取先验知识,仅依靠图像上不同地物光谱信息进行特征提取,在统计特征的差别来达到分类的目的,最后对已分出的各个类别的实际属性进行确认。

加载实验图像

打开非监督分类对话框IsoData 或者 K‐Means。 这里选择 IsoData

参数设置如下

结果如下


类别定义/类别合并

执行非监督分类之后,获得了一个初步的分类结果,需要进行类别定义和合并子类的操作。

类别定义(修改颜色和图层名称)

在选择非监督分类类别数量时候,一般选择最终结果数量的2~3倍,因此在定义类别之后,需要将相同类别合并。


(1)在Toolbox工具箱中,双击Classification/ post Classification/Combine Classes 工具。在Combine Classes Input File对话框中,选择定义好的分类结果,单击OK按钮,打开Combine Classes Parameters面板。


最后结果如下


最后进行结果统计


目录
相关文章
|
9月前
|
机器学习/深度学习 数据可视化 PyTorch
零基础入门语义分割-地表建筑物识别 Task5 模型训练与验证-学习笔记
零基础入门语义分割-地表建筑物识别 Task5 模型训练与验证-学习笔记
527 2
医学影像分割领域常用数据集
医学影像分割领域常用数据集
469 0
|
4月前
|
数据采集
遥感语义分割数据集中的切图策略
该脚本用于遥感图像的切图处理,支持大尺寸图像按指定大小和步长切割为多个小图,适用于语义分割任务的数据预处理。通过设置剪裁尺寸(cs)和步长(ss),可灵活调整输出图像的数量和大小。此外,脚本还支持标签图像的转换,便于后续模型训练使用。
40 0
|
9月前
|
PyTorch 算法框架/工具 计算机视觉
零基础入门语义分割-地表建筑物识别 Task4 评价函数与损失函数 -学习笔记
零基础入门语义分割-地表建筑物识别 Task4 评价函数与损失函数 -学习笔记
148 0
|
9月前
|
前端开发 数据建模 计算机视觉
R语言主成分回归(PCR)、 多元线性回归特征降维分析光谱数据和汽车油耗、性能数据
R语言主成分回归(PCR)、 多元线性回归特征降维分析光谱数据和汽车油耗、性能数据
|
9月前
|
机器学习/深度学习 PyTorch 数据处理
零基础入门语义分割-地表建筑物识别 Task2 数据扩增-学习笔记
零基础入门语义分割-地表建筑物识别 Task2 数据扩增-学习笔记
114 1
|
9月前
|
机器学习/深度学习 编解码 算法
基于遥感影像的分类技术(监督/非监督和面向对象的分类技术)
基于遥感影像的分类技术(监督/非监督和面向对象的分类技术)
156 0
|
9月前
|
编解码 人工智能 数据中心
全球高分辨率地表太阳辐射数据集包含36年(1983.7-2018.12)
全球高分辨率地表太阳辐射数据集包含36年(1983.7-2018.12)
156 0
|
9月前
|
机器学习/深度学习 数据采集 算法
GEE python——基于多源遥感影像和随机森林分类器进行洪水概率预测
GEE python——基于多源遥感影像和随机森林分类器进行洪水概率预测
217 0
|
计算机视觉 C++
【影像配准】遥感影像配准精度评价—特征点检测精度评价(附有完整代码)
【影像配准】遥感影像配准精度评价—特征点检测精度评价(附有完整代码)