ArcGIS教程:Spatial Analyst 扩展模块进行影像分类

  在 ArcGIS Spatial Analyst 扩展模块中,多元分析工具集提供了用于监督分类和非监督分类的工具。影像分类工具条提供了一个用户友好的环境,可创建监督分类中使用的训练样本和特征文件。最大似然法分类工具是主要的分类方法。识别类别及其统计数据的特征文件是此工具的必需输入。对于监督分类,通过影像分类 工具条使用训练样本来创建特征文件。对于非监督分类,则通过运行聚类工具来创建特征文件。Spatial Analyst 也提供了用于分类后处理的工具,如过滤和边界清理。以下图表说明了影像分类工作流的详细步骤。

  

1. 数据探索和预处理

  数据浏览

  分类分析基于以下假设:波段数据和训练样本数据符合正态分布。要检查波段中数据的分布,可使用 Spatial Analyst 工具条上的交互式直方图工具 。要检查各个训练样本的分布,可使用训练样本管理器 上的直方图工具 。

  波段数据的拉伸

  分类过程对各波段中的值范围很敏感。要使各波段的属性数大致相同,各波段的值范围应类似。如果相对于其他波段,某一波段的值范围过小(或过大),则可以使用 Spatial Analyst 工具箱中的数学工具将其拉伸。例如,可以使用乘算术工具将波段乘以一个常数以拉伸其值范围。

  主成分分析

  主成分分析会变换多波段影像以移除波段间的相关性。输出影像中的信息主要集中在头几个波段中。通过增强头几个波段,影像在 ArcMap 中显示时可在影像中看到更多的详细信息。这可能有助于收集训练样本。通过“多元分析”工具集上的主成分分析工具,可执行主成分分析。

  创建多波段影像

  影像分类 工具条适用于多波段影像图层。要将单个波段加载到一个新的多波段影像,可使用波段合成工具。

  创建用于分类的波段子集

  要在分类中使用影像数据集中的所有波段,可将该影像数据集添加到 ArcMap 并在影像分类 工具条中选择影像图层。

  要在分类中仅使用现有数据集中的某些波段,可使用创建栅格图层工具为其创建新的栅格图层。新的栅格图层将仅包含波段的指定子集,并可用于影像分类 工具条中。

2. 收集训练样本

  在监督分类中,训练样本用于识别类并计算其特征。可使用影像分类 工具条上的训练样本绘图工具交互式创建训练样本。创建训练样本与在 ArcMap 中绘制图形类似,只不过训练样本形状是通过训练样本管理器 而不是在 ArcMap图形图层中管理的。

  要创建训练样本,可在影像分类 工具条上选择一个训练样本绘制工具(例如,多边形工具),然后在输入影像图层上进行绘制。每个训练样本中的像素数都不应过小或过大。如果训练样本过小,则可能无法提供足够信息以充分地创建类特征。如果训练样本过大,则可能包括不属于该类的像素。如果影像中的波段数为 n,则各训练样本的最佳像素数应在 10n 和 100n 之间。

  

3. 评估训练样本

  在显示界面中绘制训练样本时,自动在训练样本管理器中创建新类。管理器提供三种工具来评估训练样本 - 直方图工具 、散点图工具 和统计数据工具。可以使用这些工具来探查不同区域的光谱特性。也可以使用这些工具来评估训练样本,以查看类之间是否有足够间隔。

  

4. 编辑类

  根据训练样本的评估结果,可能需要将彼此重叠的类合并为一个类。可以使用管理器窗口中的合并工具 完成此操作。此外,可以对类进行重命名或重新编号、更改显示颜色、分隔类、删除类、保存和加载训练样本等。下图显示如何合并两个类:

  

5. 创建特征文件

  确定训练样本可代表所需类并且可彼此区分后,可使用管理器窗口中的创建特征文件工具 创建特征文件。

  

6. 聚类(非监督分类)

  在监督分类中,从已知并已定义的类(例如,土地利用类型)创建特征文件,这些类通过在多边形中封闭的像素来识别。在非监督分类中,通过像素的统计属性来创建簇(而非类)。对多元空间中与统计属性类似的像素进行分组以形成簇。与监督分类中的类不同,簇没有类别含义(例如,土地利用类型)。

  对于使用影像分类 工具条的非监督分类,可通过运行 Iso 聚类非监督分类工具来创建特征文件。也可以使用多元分析工具集中的 Iso 聚类工具。

  Iso 聚类工具只创建随后可在分类中使用的特征文件(以上工作流图表中的步骤 9)。创建了一个新工具 Iso 聚类非监督分类(从影像分类 工具条或多元分析工具集访问该工具均可)后,您便可以只通过一个工具来创建特征文件和输出分类影像(步骤 6 和 9)。

7. 检查特征文件

  可使用树状图工具检查特征文件中连续合并类之间的属性距离。输出为 ASCII 文件,树图显示类间隔。通过树状图,可以确定两个或多个类或簇是否可区分;如果不能区分,可能会决定在下一步中合并它们。

  通过 Spatial Analyst 的“多元分析”工具集访问树状图工具。

8. 编辑特征文件

  不应直接在文本编辑器中编辑特征文件。而应使用“多元分析”工具集中的编辑特征工具。可通过此工具合并、重新编号和删除类特征。

9. 应用分类

  要对影像进行分类,应使用最大似然法分类工具。此工具基于最大似然概率理论。它基于类特征(存储在特征文件中)的平均值和方差向某个不同的类分配像素。也可通过影像分类 工具条访问该工具。

  也可以通过交互式监督分类工具对影像进行分类。此工具可加快最大似然法分类过程。使用此工具可以快速预览分类结果,而无需运行最大似然法分类工具。

10. 分类后处理

  通过最大似然法分类工具创建的分类影像可能会对某些像元(随机噪声)进行错误分类并形成小的无效区域。为改进分类,最好对这些错误分类的像元进行重新分类,将其归入可直接包围它们的类或簇。清理分类影像的最常用技术包括过滤、平滑处理类边界及移除小孤立区域。应用数据清理工具后的地图外形更美观。

  过滤分类后的输出

  此过程将从分类影像移除单一的孤立像素。可通过以下工具完成此过程:主滤波工具,或以众数作为统计类型的焦点统计工具。这两种工具的不同之处在于:主滤波工具在处理期间假定 3 x 3 的方形领域,而焦点统计工具支持更多的邻域类型(例如,环或圆)。

  平滑类边界

  边界清理工具可聚合类并对类的不规整边缘进行平滑处理。此工具的工作方式是:先扩展类,然后再收缩类。它将增加分类影像的空间一致性。相邻区域可能连接在一起。

  通过移除小孤立区域来概化输出

  过滤和平滑过程后,分类影像应比以前干净得多。但是,分类影像上可能仍会有一些小的孤立区域。概化过程通过从影像上移除此类小区域,进一步清理影像。这是一个多步过程,涉及多个 Spatial Analyst 工具。

  对分类影像运行区域合并工具,以向影像上的各区域分配唯一值。

  打开通过区域合并工具创建的新栅格图层的属性表。使用像素计数标识要移除的小区域的阈值。

  为要移除的区域创建掩膜栅格。这可通过以下操作实现:运行设为空函数工具,将具有较少像素数的区域设为空值。

  对分类影像运行 Nibble 工具。使用在上一步中通过设为空函数工具创建的掩膜栅格作为输入栅格掩膜。这将清除输出影像上的小区域。

时间: 2024-10-23 18:04:30

ArcGIS教程:Spatial Analyst 扩展模块进行影像分类的相关文章

ArcGIS教程:Spatial Analyst 扩展模块浏览

ArcGIS Spatial Analyst 扩展模块提供了一整套基于栅格的空间分析工具和功能.通过此扩展模块,您可以使用多种数据格式来组合数据集.解释新数据和执行复杂的栅格操作.使用 Spatial Analyst 扩展模块可执行的分析示例包括:terrain 分析.地表建模.表面插值.适宜性建模.水文分析.统计分析和影像分类. 下面将简单介绍 Spatial Analyst 扩展模块的主要组件: 访问 Spatial Analyst 功能的最常用途径是利用地理处理工具.通过这一功能丰富的环境

ArcGIS教程:Spatial Analyst 扩展模块栅格数据

在处理过程中使用 ArcGIS Spatial Analyst 扩展模块 时,肯定要使用或创建栅格数据集.栅格由一系列按行与列排列且大小相同的像元组成,每个像元都包含一个信息值,例如高程.温度或土地覆被类型. 您需要了解在 ArcGIS 中是如何呈现栅格数据集的,以及在使用和创建栅格数据时需要注意哪些问题,这一点非常重要.为了最有效地使用 Spatial Analyst 功能,您应该对栅格数据的一些基本知识有所了解.在数据管理 > 管理地理数据文档的栅格和影像一节中,您可以找到有关栅格数据的大量

ArcGIS教程:Spatial Analyst 扩展模块

ArcGIS Spatial Analyst 扩展模块提供了多种强大的空间建模与分析功能.如:创建.查询和分析基于像元的栅格数据并基于这些数据制图;将栅格/矢量分析进行整合;从现有数据中获取新信息;在多个数据图层中查询信息;将基于像元的栅格数据与传统的矢量数据源完全整合. 应用示例 Spatial Analyst 能够帮助您实现多种功能,其中包括: 从现有数据中获取新信息. 应用 Spatial Analyst 工具可基于源数据创建有价值的信息. 您能够实现的任务包括:基于点.折线或面数据得到距

ArcGIS 教程:Spatial Analyst 扩展模块中的分析

了解基于像元建模的最简单方法,不是研究整个栅格(宏观方法),而是研究各个像元(微观方法).为此,可以把自己想象为栅格数据集中的一个像元.您表示一个位置,并且具有一个值.所有 ArcGIS Spatial Analyst 扩展模块工具都会要求您基于一系列已定义的规则来操作或保留该值. 计算每个像元的输出值 无论使用何种 Spatial Analyst 工具计算指定位置(像元)的输出值,您都需要了解以下三点: 指定位置(像元)的值 要对值执行的操作 计算中包含的其他像元位置及其值 如何确定这三点内容

ArcGIS教程:Spatial Analyst 的分析环境

开始执行分析前,了解正在使用的地理处理分析环境非常重要.分析环境包括将要放置结果的工作空间和范围.像元大小以及结果的坐标系. 运行地理处理工具时,可通过环境设置来指定环境设置.可以在不同级别覆盖环境的默认设置.每个工具对话框都有一个环境按钮,可以用来覆盖应用程序级别设置. 四个环境级别构成一个等级,其中应用程序级别最高.在此等级中,环境设置会传递给下一级别,如下图所示.在每个级别,都可以用其他设置覆盖传递的环境设置. 此等级的一个例外是模型.如果从模型构建器 窗口中运行模型,则应用程序环境会传递

ArcGIS教程:Spatial Analyst 中的运算类型

ArcGIS Spatial Analyst 扩展模块中,基于像元的可用分析运算可分成五类: 作用于单个像元的运算(局部 (local) 运算) 作用于邻域内的所有像元的运算(焦点 (focal) 运算) 作用于区域内的所有像元的运算(分区 (zonal) 运算) 作用于栅格内所有像元的运算(全局 (global) 运算) 执行特定应用的运算(例如,水文分析运算) 每种运算类别都可能基于数据的空间或几何表示或受其影响,而不单单取决于像元表示的属性.例如,将两个图层相加(基于单个像元)的工具取决于

ArcGIS教程: Spatial Analyst 处理投影

ArcGIS Spatial Analyst 扩展模块工具将直接使用采用相同坐标系(相同的投影和基准面)的输入数据.如果输入数据具有不同的投影,则可能要在使用所选工具对其进行操作之前将其投影为临时数据集.因此,输出的坐标系取决于输入数据集的坐标系. 默认行为 下表介绍了可确定输出坐标系的默认行为.如果输入数据集与输出数据集处于不同投影中,则该输入数据集首先会投影到输出数据集. 输出坐标系与输入数据的关系 覆盖默认值 要覆盖坐标系的默认行为,请在使用工具之前通过环境设置设置坐标系.您可以将所有输出

ArcGIS教程:模糊分类的工作原理

模糊分类工具基于属于指定集合的概率对输入数据进行重分类或转换至介于 0 到 1 的范围内.0 分配给确定不属于指定集合的位置,1 分配给确定属于指定集合那些值,0 到 1 之间整个范围的概率分配给某些等级的可能成员(值越大,概率越大). 可以使用 ArcGIS Spatial Analyst 扩展模块中任意数量的可用函数和运算符对输入值进行转换,将这些值重分类为 0 到 1范围内的概率范围.但是,模糊分类工具允许根据一系列适用于模糊化处理的特定函数对连续的输入数据进行转换.例如,模糊线性分类函数

ArcGIS教程:生成特征文件、类和聚类分析

借助 ArcGIS Spatial Analyst 扩展模块,您可以通过将栅格像元分组到类或聚类中来创建分类.类通常指一个已知类别,例如森林.居民区或水体,而聚类则是根据像元属性的统计信息得到的像元分组.特征是代表类或聚类的像元的子集.特征的统计信息存储在一个特征文件中,此特征文件将用于对位于输入波段交集中的所有像元进行分类. 什么是类? 一个类对应于一个有意义的位置分组.例如,森林.水域和小麦高产区都是类. 每个位置均可将值集或值矢量.与每个变量对应的一个值或输入波段作为特性.每个位置都能够以