当前课程知识点:遥感数字图像处理理论与方法 > 第七章 遥感图像计算机分类 > 第一讲 > 7.1.3 非监督分类
我们学习非监督分类
非监督分类也称为聚类分析
是在多光谱图像中
搜寻 定义
其自然相似光谱集群组的过程
它是人们事先对分类过程不施加
任何的先验知识的情况下
而仅凭遥感图像中
地物的光谱特征进行“盲目”的聚类
一般的聚类算法
是先选择
若干个模式点作为聚类的中心
每一中心代表一个类别
按照某种相似性度量方法
比如最小距离法
将各模式归于各聚类中心
所代表的类别
形成初始分类
然后由聚类准则判断
初始分类是否合理
如果不合理就修改分类
如此反复选代运算
直到合理为止
长期以来
已经发展多种不同的非监督分类算法
这里仅介绍最常用的
K-均值算法和ISODATA算法
前者是J.B.Mac Queen在1967年提出
广泛的应用的
经典动态聚类算法
这个算法的基本思想是
通过迭代
逐次移动各类的中心
直至得到最好的聚类结果为止
后者是迭代自组织数据分析算法
它也是一种聚类方法
它的实质是以
初始类别为“种子”
进行自动迭代聚类
主要环节包括
聚类
集群分裂和集群合并等处理
我们来学习K-均值算法的处理流程
首先来看
处理流程图
K-均值算法主要处理步骤包括
第一步
随机选取n个点作为初始聚类中心
第二步
计算各待分像元到聚类中心距离
把待分像元
归到离它最近聚类中心所在的类当中
第三步
对调整后的新类计算新的聚类中心
第四步
循环
直至相邻两次的聚类中心没有变化
我们再来看看
K-均值聚类算法处理的示意图
图上显示了
最初随机选择的3个聚类中心
随着不停地循环处理和中心位置调整
聚类中心的位置不断地变化
黑色实线
显示了聚类中心变动的轨迹
最终收敛的时候
3个中心都移动到了集群中心位置
并划分出了3个类别
深红色点
棕黄色点
和绿色聚类的结果
K-均值聚类算法
用到的数学思想很简单
但聚类的效果很好
在遥感图像的粗分类中经常使用
K-均值算法和ISODATA算法
在非监督分类处理过程中
有哪些区别呢
首先
从算法细节方面来看
ISODATA算法
在每次把所有样本都调整完后
重新计算各类样本的均值
K-均值算法
每调整一个样本的类别
重新计算一次各类样本的均值
前者称为成批样本修正法
后者称为逐个样本修正法
其次
K-均值算法
没有调整类别总数的措施
而ISODATA算法
不仅通过调整样本
所属类别完成样本的聚类分析
而且可以自动地进行
类别的“合并”和“分裂”
从而得到类数比较合理的聚类结果
这里展示了ISODATA算法迭代过程
如图所示
(a)中
显示了二维空间中
待分像元的初始聚类中心
由待分像元的均值和方差
确定的区间范围
等分距离
得到5个初始聚类中心
(b)显示
经过第一次迭代后
待分像元依据距离测度值
分别归纳到相应的初始类别当中去了
(c)显示
经过第二次迭代后
聚类中心已经重新计算
各集群范围也已经变化
那么
迭代达到何种程度
就可以停止呢
接下来我们会介绍收敛阈值
我们来看一下
ISODATA算法需要设置哪些参数
首先 N 最大聚类组数
这是指设置需要分类的最多类别数
由于一些聚类组中
可能包含的像元数太少
将会被合并
最终的聚类组可能少于N
然后 T 收敛阈值
在迭代过程中
和前一次相比
聚类结果中
类型值未改变的像元所占的百分比
当达到这个百分比时
算法将会停止迭代
M 最长迭代时间
或者是最大迭代次数
对于有些图像来说
收敛阈值可能永远也达不到
因此需要设置迭代时间
或者次数来中断计算
ISODATA算法
对蕴含于数据中的
光谱聚类组的识别非常有效
只要让其重复足够的次数
其任意给定的初始聚类组平均值
对分类结果无关紧要
可以达到比较理想的聚类效果
这一小节我们介绍了
非监督分类的两种算法
那么非监督分类有哪些优缺点呢
与监督分类相比
非监督分类的优点主要有
首先
非监督分类不需要
预先对所要分类的区域有
广泛的了解和熟悉
但分析者仍需要一定的知识
来解译非监督分类得到的各个集群组
其次
非监督分类可以减少人为误差
能够产生比监督分类更均质的类别
再次
在非监督分类过程中
独特的
覆盖量小的类别
均能够被识别
不会因分析者的失误
而像监督分类那样丢失这些类别
非监督分类方法
也像其他分类方法一样
有其固有的不足
非监督分类主要缺点有
(1)所产生的光谱集群组
不一定对应于分析者想要的类别
因此
分析者面临着如何将他们
和想要的类别相匹配的问题
实际上
几乎很少有一对一的对应关系
(2)分析者较难对产生的类别
进行控制
因此其产生的类别
也许并不能让分析者满意
(3)图像中各类别的光谱特征
会随时间 地形等变化
不同图像以及不同时段的图像之间的
光谱集群组
无法保持其连续性
从而使不同图像之间的对比变得困难
-第一章习题
-第一讲
-第二讲
-第二章习题
-第三章习题
-第一讲
--4.1.1 概述
--最小二乘法原理
-第二讲
-第四章习题
-第一讲
-第二讲
-第五章习题
-第六章习题
-第一讲
-第二讲
-第七章习题
-第八章习题