遥感基础实习 - 图文(5)

2. 分别为上述两个实验结果撰写精度评估报告。其中要求误差矩阵进行分析，特别是指出哪个类分的最好，哪些类分的最差，是否存在相互混淆的类别，如果是请写出哪些类易混淆，并分析原因。

最大似然精度最好，其次是最小距离，最小是非监督分类； 林地的分类最差，水体分类最好；

存在混淆类别，植物与林地，光谱波段有些是一

3. 是否存在训练样本区域的用户精度低于98%的类别，如果存在，指出是那些类别，并分析为什么这些训练样本区域比较差？ 存在，因为光谱波段有些是一样的，存在混淆类别

4. 根据精度分析的结果，哪些类别分类比较好？哪些类别有问题？

最大似然法最好，马氏距离、最小距离法都是最大似然法的简化。平行管道法也不如最大似然法。

5. 请考虑分类有错误的类别问题出在什么地方？这些问题是否可以修改？是否可以从误差矩阵中找到问题的所在？ 训练数据的选取不够多，同时有分析人员进行数据采集可能出现错误，可以再次进行选取从而增加精度

从误差矩阵中我们可以知道错分误差，漏分误差，制图精度，用户精度等数据，从而可以分析出在选点时，我们出现了一些错分和漏分致使精度降低。

6. 在精度评定中，我们随用的地面参考数据是在影像上通过目视选取的ROI，这种地面数据存在哪些方面的不足？是否可以考虑使用其他方式的地面操作数据作为精度评定的对比数据？ 1.分析人员将某一分类结构强加给影像数据

2.寻俩数据选取通常参考信息类别，在其次考虑光谱属性 3.分析人员所选取训练书记员可能并不反映全部影像信息 4.在训练数据中表现不出来独特类别，监督分类无法识别

可以考虑用吸收率和辐射率等综合应用作为精度评定的对比数据

7. 何为Kappa系数，它能回答我们哪些方面的问题。

Kappa系数：是一种计算分类精度的方法。它是通过把所有地表真实分类

中的像元总数（N）乘以混淆矩阵对角线（Xkk）的和，再减去某一类地表真实像元总数与被误分成该类像元总数之积对所有类别求和的结果，再除以总像元数的平方差减去某一类中地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果所得到的。

几何配准

要求：通过选择地面控制点来纠正影像。 主影像：Master，辅影像：slave。在两个影像上选点时，最终点的选取一定要在zoom窗口中选择，且放大到可以看清楚像素块。连续的选择12-16个点，选择点时注意联想到课堂上给大家讲过的一些注意事项。分别利用一次逼近、二次逼近和三次逼近的方法进行配准，并针对每个方法对结果进行分析。 1. 显示配准的RMS误差列表

2. 最大的RMS误差是多少？0.323 最低的RMS误差是多少？0.0164 下面的问题只针对于三次逼近的方法：

3.一般而言，RMS误差应该低于0.5。删除具有最大RMS误差的点，查看总体RMS误差的变化，然后再重新删除具有最大RMS误差的点，直到剩余点为12个为止，查看每次删除点后RMS误差的变化。

实习日志

2013年6月17日 晴

今天是RS实习的第一天。老师先讲解了一下软件里帮助的重要性，然后教大家如何打开影像。在打开过程中出现了一点小问题不过还是解决了。然后学习了如何将影像打开成灰度影像和彩色影像的方法。改变彩色影像的配色方案，即选择不同的波段分别赋给R、G、B

三个通道可以获得不同色彩的影像。接着学习了如何查看影像的信息，包括栅格数据和适量数据。ENVI中图层可以是栅格也可以是矢量一个影像文件中可有一个或多个图层。然后查看文件的基本信息和统计信息。老师还讲解了影像的关联及接触影像关联。下面是辐射率和反射率的转换，了解光线传输到卫星的每个过程，学习如何定位像素位置。

2013年6月18日 晴

实习的第二天。今天学习的是数字数据，合成标准假彩色影像，进行影像剪裁，打开

裁切后的影像，于之前的影像比较已发生的变化，因为ENVI能够对加载的影像进行拉伸。可以将ROI转出为ASCII数据然后用Excel将转出的ASCII文件打开，随即选取几个点制作其光谱曲线，横轴为波段，纵轴为DN值。ENVI提供了工具来生成光谱曲线，这样简化了操作过程，更加方便快捷。利用假彩色分析光谱并考虑是单像元和混合像元。然后学习了空间、光谱和辐射分辨率。打开不同的数据了解空间分辨率对影像的影响。对各影像，分别利用光谱工具生成光谱曲线，选一个植被覆盖的像素，分别在三个影像上做其光谱曲线。根据光谱曲线，分析光谱曲线的特性。

2013年6月19日 晴

实习的第三天。利用IsoData方法进行非监督分类，选择要分类的文件，输入需要

分类的最小和最大类别数，输入最大的迭代次数和变化的阈值用以结束迭代，当变化的像素数小于阈值时或者达到最大迭代次数时，迭代终止。输入组成一个类别的最小像素数目，当一个类别中像素数小于该数值时，ENVI将删除该类别，并将其合并到距离其最近的类别中，输入最大的类标准差，如果某一类的标准偏差大于这个类的标准差阈值，输入类均值间的最小距离，最大的合并像素数目。选择Quick Stats，得到各类别的统计文件。利用Data_BJ数据对其进行监督分类，选择几个大类利，用ROI进行训练数据的选择，然后用同样的训练数据，利用最小距离对影像进行分类，并将结果与最大似然分类进行对比。 2013年6月20日 晴

今天进行的是精度评定利用给定的数据，对其进行非监督分类，分类类别在为10种，对应于各类地物，通过目视方法在影像上相应的地物类别除选择样本，像素总数在50个以上。在原始影像上通过标准假彩色后，通过ROI来进行选取，利用选择的ROI对分类结果进行精度评定。然后是监督分类的精度评估

，利用给定的数据，分别利用最小距离、平行六面体和最大似然三种方法对其进行监督分类。通过数据对比了解哪种监督分类比较好，考虑分类有错误的类别问题出在什么地方，了解kappa系数的意义。需要注意的是ROI应该在原始的影像上选取，这样可以保证多次使用而且精度相对较高。 2013年6月21日 晴

今天是实习的最后一天。我们学校了几何配准，通过选择控制点来纠正影像。主影像Master，辅影像slave。在选区控制点的时候要在zoom窗口中进行来保证选点的准确性，保证放大到可以清楚看到像素块。连续选择16个点，用一次逼近、二次逼近、三次逼近的方法进行配准，同时对每个方法尽享结果分析。RMS的误差要严格保证在0.5以内并且尽可能的小。先开始没注意会有4、5甚至更高，这说明点选的不够精确，要保证视觉上两个图的点几乎在同一位置那么近本身RMS的误差就会很小了。

实习总结

为期一周的遥感级数接触实习结束了，在老师的精心安排下我们全身心投入到实习学习中，对遥感软件ENVI进行了一定的了解，同时也巩固了遥感的基础知识。 此次实习学到了很多知识：1、学习了如何将影像打开成灰度影像和彩色影像的方法。改变彩色影像的配色方案，即选择不同的波段分别赋给R、G、B三个通道可以获得不同色彩的影像。接着学习了如何查看影像的信息，包括栅格数据和适量数据。ENVI中图层可以是栅格也可以是矢量一个影像文件中可有一个或多个图层。然后查看文件的基本信息和统计信息。老师还讲解了影像的关联及接触影像关联。辐射率和反射率的转换，了解光线传输到卫星的每个过程，学习如何定位像素位置。2、数字数据，合成标准假彩色 …… 此处隐藏：2882字，全部文档内容请下载后查看。喜欢就下载吧 ……