PIE-Hyp監督分類和分類后處理
1.PIE-Hyp監督分類
監督分類是根據已知訓練場地提供的樣本，通過選擇特征參數、建立判別函數，然后把圖像中各個像元歸化到給定類中的分類處理。
監督分類的基本過程是：首先根據已知的樣本類別和類別的先驗知識確定判別准則，計算判別函數，然后將未知類別的樣本值代入判別函數，根據判別准則對該樣本所屬的類別進行判定。在這個過程中，利用已知的特征值求解判別函數的過程稱為學習或訓練。
監督分類包括距離分類和最大似然分類、光譜特征匹配、光譜角填圖、二進制編碼、光譜信息散度、平行六面體、光譜相似度度量、MRF和SVM等分類。
1.1距離分類
距離分類是利用訓練樣本數據計算出每一類別均值向量及標准差向量，然后以均值向量作為該類在特征空間中的中心位置，計算輸入圖像中每個像元到各類中心的距離。
距離分類提供了最小距離和馬氏距離兩種分類器。最小距離分類使用每個端元的均值矢量，計算每個未知像元到每類均值矢量的歐氏距離，將未知類別向量歸屬於距離最小的一類。馬氏距離分類是一個應用了每個類別統計信息的方向靈敏的距離分類器，它與最大似然分類相似，但是假定所有類別的協方差是相等的，所以是一種較快的分類方法。計算流程如下：
-
假定擬定Nc個類別，並分別確定各個類別的訓練區。根據訓練區，計算出每個類別的平均值，以此作為類別中心；
-
計算待判像素x與每一個類別中心的距離，並分別進行比較，取距離最小的類作為該像素的分類。依次方法逐個對每個像素判別歸類。
1.1.1主要內容
通過PIE-Hyp對演示數據進行距離分類操作。
1.1.2學習目標
-
熟練掌握距離分類基本操作。
| 序號 |
數據名稱 |
數據說明 |
| 1 |
練習數據_Ortho_Sub.tif |
待處理的高光譜數據 |
| 2 |
練習數據_ROI.pieroi |
ROI文件 |
1.1.4距離分類操作
用ROI工具添加ROI樣本區域后，在"圖像分類"標簽下的"監督分類"組，單擊【距離分類】，打開"距離分類"對話框，如下圖所示：
距離分類對話框
-
選擇文件：在文件列表中選取需要進行分類的文件，右側顯示文件信息；
-
導入文件：如果要進行處理的文件不在文件列表中，可以通過單擊【導入文件】，添加需要處理的文件到文件列表中；
-
選擇區域：選擇需要分類的區域范圍，通過設定行、列數，確定在影像上的矩形范圍；
-
選擇波段：選擇需要分類的波段；
-
選擇ROI：選擇ROI文件；
-
分類器：設置監督分類規則（最小距離或馬氏距離）；
-
輸出文件：設置輸出影像保存路徑和名稱。
所有參數設置完畢后，點擊【確定】按鈕，即可進行距離分類，並輸出分類結果。
距離分類結果
1.1.5操作技巧
暫無。
1.1.6常見問題
暫無。
1.1.7復習思考題
（1）使用課程練習數據，運用距離分類算法進行監督分類。
1.2最大似然分類
最大似然分類假定每個波段中每類的統計都呈正態分布，並將計算出給定像元屬於特定類別的概率。除非選擇一個概率閥值，否則所有像元都將參與分類。每一個像元都被歸到概率最大的那一類里（也就是最大似然）。
1.2.1主要內容
通過PIE-Hyp對演示數據進行最大似然分類操作
1.2.2學習目標
-
熟練掌握最大似然分類基本操作。
1.2.3使用數據
| 序號 |
數據名稱 |
數據說明 |
| 1 |
練習數據_Ortho_Sub.tif |
待處理的高光譜數據 |
| 2 |
練習數據_ROI.pieroi |
ROI文件 |
1.2.4最大似然分類操作
用ROI工具添加ROI樣本區域后，在"圖像分類"標簽下的"監督分類"組，單擊【最大似然分類】，打開"最大似然分類"對話框，如下圖所示：
最大似然分類對話框
-
選擇文件：在文件列表中選取需要進行分類的文件，右側顯示文件信息；
-
導入文件：如果要進行處理的文件不在文件列表中，可以通過單擊【導入文件】按鈕，添加需要處理的文件到文件列表中；
-
選擇區域：選擇需要分類的區域范圍；
-
選擇波段：選擇需要分類的波段。
-
選擇ROI：選擇ROI文件；
-
分類器：設置監督分類規則；
-
輸出文件：設置輸出影像保存路徑和名稱。
所有參數設置完畢后，點擊【確定】按鈕，即可進行距離分類，並輸出分類結果。
1.2.5操作技巧
暫無。
1.2.6常見問題
暫無。
1.2.7復習思考題
(1)使用課程練習數據，運用最大似然分類算法進行監督分類。
1.3光譜角填圖
波譜角分類（SAM）是一個基於自身的波譜分類，它是在n維空間將像元與參照波譜進行匹配。這一算法是通過計算波譜間的角度（將它們作為具有維數等於波段數特征的空間矢量進行處理），判定兩個波譜間的相似度。較小的角度代表像元與參照波譜匹配緊密。大於指定的最大弧度閾值的像元不被分入該類。然后生成分類后的圖像。
1.3.1主要內容
通過PIE-Hyp對演示數據進行波譜角分類操作。
1.3.2學習目標
-
熟練掌握波譜角分類基本操作。
1.3.3使用數據
| 序號 |
數據名稱 |
數據說明 |
| 1 |
練習數據_Ortho_Sub.tif |
待處理的高光譜數據 |
| 2 |
練習數據_ROI.pieroi |
ROI文件 |
1.3.4光譜特征匹配操作
在"圖像分類"標簽下的"監督分類"組組，單擊【光譜角填圖】按鈕，彈出"光譜角填圖"對話框，如下圖所示：
SAM算法參數設置界面
-
輸入文件：輸入待處理的高光譜文件。點擊【…】按鈕，彈出輸入數據信息對話框；
光譜角填圖輸入數據對話框
-
通過"選擇輸入文件"中的文件列表選擇文件或者通過單擊【導入文件】按鈕打開輸入文件選擇對話框選擇輸入外部文件；
-
單擊"選擇空間子集"右下端的【…】按鈕打開空間子集選擇對話框，可通過縮放紅色方框或者手動輸入待處理的空間范圍；
-
單擊"選擇光譜子集"右下端的【…】按鈕打開波段子集選擇對話框，可通過波段列表選擇待處理的波段子集；
-
單擊【確定】按鈕，文件及空間波譜子集選擇完成，返回到光譜角填圖設置對話框。
-
光譜收集：單擊"波譜源"右側的下拉列表選擇框選擇目標光譜的來源：
-
光譜庫：從標准光譜文件中獲得目標光譜，文件后綴名為.sli的光譜文件；
-
ASD二進制文件：利用ASD地物光譜儀測量采集的光譜反射率文件，文件后綴為.asd的ASD文件；
-
ASCII二進制文件：從ASCII文件中獲取目標光譜，文件后綴名為.txt的存儲光譜信息的文本文件；
-
ROI圖層：在進行目標探測功能之前，利用圖像分類工具手動勾選ROI，在波譜源選擇ROI圖層時，對各ROI計算均值光譜作為波譜源輸入。
-
單擊"波譜源"最右端的【…】按鈕，根據選擇的波譜源，打開相應的目標光譜，如下圖所示：
搜集的目標光譜
其中，表格中的每一行表示一條光譜：
-
光譜名稱：顯示目標光譜的名稱；
-
顏色：光譜在波譜瀏覽器中顯示的顏色，"<無>"表示默認沒有顏色；
-
來源：表示該光譜的波譜源，"ENVI_SLI"表示來自ENVI標准光譜文件，"ASD_FILE"表示來自ASD二進制文件；
-
波段數：表示光譜的波段數；
-
中心波長：表示光譜的波長范圍及單位；
-
文件：表示該條光譜來自於哪個光譜文件。
在表格中可以選擇一條或者多條目標光譜，用於SAM算法的目標光譜輸入；另外對於搜集到的光譜可以進行如下操作：
-
選擇所有：單擊【選擇所有】按鈕，選中所有打開的目標光譜；
-
繪制：單擊【繪圖】按鈕，在波譜瀏覽器中顯示選中的目標光譜，如下圖所示：
顯示選中的目標光譜
-
刪除：單擊【刪除】]按鈕，移除選中的目標光譜；
-
算法選擇：此項為可選操作，單擊【算法選擇】按鈕，彈出算法選擇對話框，可以選擇使用的目標分類算法。
算法選擇對話框
設置完成后，單擊【應用】按鈕，彈出SAM算法參數設置界面（如果在上一步中選擇了其他算法，則彈出相應算法的參數設置界面），如下圖所示：
SAM算法參數設置界面
-
設置最大角度閾值（弧度）：可以選擇【單角度閾值】，也可以選擇【多角度閾值】選項，並設置最大角度值，閾值設置越大分類結果越粗糙；
-
設置分塊緩存：當分類數據過大時，可以對數據進行分塊處理，該值代表分塊數據的大小，需要根據當前計算機的配置及輸入數據的大小進行設置。默認128，表示分配128MB內存空間進行計算；
-
輸出分類結果文件：設置輸出文件的存放路徑及名稱；
-
輸出規則圖像：指的是每個像元光譜角值所構成的圖像，是未經過分類處理計算的規則結果圖像。可勾選輸出規則圖像，並設置輸出圖像的保存路徑及名稱。
所有參數設置完成后，點擊【確定】按鈕，進行SAM分類。
1.3.5操作技巧
暫無。
1.3.6常見問題
問題1：光譜角填圖參數對話框中單"單角度閾值"和"多角度閾值"具體如何應用？
解決辦法：單角度閾值是設定一個閾值用於所有分類；多角度閾值則是為每一個類別設置一個獨立的閾值，不同類別之間的閾值可以設置不同。
1.3.7復習思考題
(1)使用課程練習數據，運用波譜角分類算法進行監督分類。
1.4二進制編碼
二進制編碼分類技術根據波段是低於波譜平均值，還是高於波譜平均值，將數據和端元波譜編碼為0和1。使用"異或"邏輯函數對每一種編碼的參照波譜和編碼的數據波譜進行比較，生成一幅分類圖像。除非指定了一個最小匹配閾值（這時，如果一些像元不符合標准，它們將不參與分類）所有像元被分類到與其匹配波段最多的端元一類中。
1.4.1主要內容
通過PIE-Hyp對演示數據進行二進制編碼分類操作。
1.4.2學習目標
-
熟練掌握二進制編碼分類基本操作。
1.4.3使用數據
| 序號 |
數據名稱 |
數據說明 |
| 1 |
練習數據_Ortho_Sub.tif |
待處理的高光譜數據 |
1.4.4二進制編碼分類操作
在"圖像分類"標簽下的"監督分類"組，單擊【二進制編碼】按鈕，彈出"二進制編碼"對話框，如下圖所示：
二進制編碼分類對話框
-
輸入文件：輸入待處理的高光譜文件：
二進制分類輸入數據對話框
-
通過"選擇輸入文件"中的文件列表選擇文件或者通過單擊【導入文件】按鈕打開輸入文件選擇對話框選擇輸入外部文件；
-
單擊"選擇空間子集"右下端的【…】按鈕打開空間子集選擇對話框，可通過縮放紅色方框或者手動輸入待處理的空間范圍；
-
單擊"選擇光譜子集"右下端的【…】按鈕打開波段子集選擇對話框，可通過波段列表選擇待處理的波段子集；
-
單擊【確定】按鈕，文件及空間波譜子集選擇完成，返回到二進制編碼設置對話框。
-
光譜收集：單擊"波譜源"右側的下拉列表選擇框選擇目標光譜的來源：
-
光譜庫：從標准光譜文件中獲得目標光譜，文件后綴名為.sli的光譜文件；
-
ASD二進制文件：利用ASD地物光譜儀測量采集的光譜反射率文件，文件后綴為.asd的ASD文件；
-
ASCII二進制文件：從ASCII文件中獲取目標光譜，文件后綴名為.txt的存儲光譜信息的文本文件；
-
ROI圖層：在進行目標探測功能之前，利用圖像分類工具手動勾選ROI，在波譜源選擇ROI圖層時，對各ROI計算均值光譜作為波譜源輸入。
-
單擊"波譜源"最右端的【…】按鈕，根據選擇的波譜源，打開相應的目標光譜，如下圖所示：
搜集的目標光譜
其中，表格中的每一行表示一條光譜。
-
光譜名稱：顯示目標光譜的名稱；
-
顏色：光譜在波譜瀏覽器中顯示的顏色，"<無>"表示默認沒有顏色；
-
來源：表示該光譜的波譜源，"ENVI_SLI"表示來自ENVI標准光譜文件，"ASD_FILE"表示來自ASD二進制文件；
-
波段數：表示光譜的波段數；
-
中心波長：表示光譜的波長范圍及單位；
-
文件：表示該條光譜來自於哪個光譜文件。
在表格中可以選擇一條或者多條目標光譜，用於二進制分類算法的目標光譜輸入；另外對於搜集到的光譜可以進行如下操作：
-
選擇所有：單擊【選擇所有】按鈕，選中所有打開的目標光譜；
-
繪制：單擊【繪圖】按鈕，在波譜瀏覽器中顯示選中的目標光譜，如下圖所示：
顯示選中的目標光譜
-
算法選擇：此項為可選操作，單擊【算法選擇】按鈕，彈出算法選擇對話框，可以選擇使用的分類算法，如下圖所示：
二進制編碼算法選擇對話框
所有參數設置完畢后，點擊【應用】按鈕，打開"二進制編碼分類"參數設置對話框，如下圖所示：
二進制分類輸出參數設置對話框
-
設置分塊緩存：當分類數據過大時，可以對數據進行分塊處理，該值代表分塊數據的大小，需要根據當前計算機的配置及輸入數據的大小進行設置。默認128，表示分配128MB內存空間進行計算；
-
輸出分類結果文件：設置輸出分類結果的保存路徑及文件名；
-
輸出規則圖像：指的是每個像元二進制編碼計算的值所構成的圖像，是未經過分類處理計算的規則結果圖像。可勾選輸出規則圖像，並設置輸出圖像的保存路徑及名稱。
所有參數設置完成后，點擊【確定】按鈕，進行二進制分類處理。
1.4.5操作技巧
技巧1 二進制編碼的通用設置及參數設置與光譜角填圖設置一致。
1.4.6常見問題
暫無。
1.4.7復習思考題
(1)使用課程練習數據，運用二進制編碼分類算法進行監督分類。
1.5光譜信息散度
光譜信息散度是利用散度度量像元光譜與每個類別光譜的匹配程度，散度越小，相似度越高。
1.5.1主要內容
通過PIE-Hyp對演示數據進行光譜信息散度操作。
1.5.2學習目標
-
熟練掌握光譜信息散度基本操作。
1.5.3使用數據
| 序號 |
數據名稱 |
數據說明 |
| 1 |
練習數據_Ortho_Sub.tif |
待處理的高光譜數據 |
1.5.4光譜信息散度操作
在"圖像分類"標簽下的"監督分類"組，單擊【光譜信息散度】按鈕，彈出"光譜信息散度"對話框，如下圖所示：
光譜信息散度對話框
-
輸入文件：輸入待處理的高光譜文件：
光譜信息散度輸入數據對話框
-
通過"選擇輸入文件"中的文件列表選擇文件或者通過單擊【導入文件】按鈕打開輸入文件選擇對話框選擇輸入外部文件；
-
單擊"選擇空間子集"右下端的【…】按鈕打開空間子集選擇對話框，可通過縮放紅色方框或者手動輸入待處理的空間范圍；
-
單擊"選擇光譜子集"右下端的【…】按鈕打開波段子集選擇對話框，可通過波段列表選擇待處理的波段子集；
-
單擊【確定】按鈕，文件及空間波譜子集選擇完成，返回到光譜信息散度分類對話框。
界面中的波譜搜集及其他相關設置操作參照光譜角填圖或二進制編碼的操作介紹。
輸入待處理影像以及選擇樣本光譜后，單擊【應用】按鈕，彈出參數設置對話框：
光譜信息散度參數設置對話框
-
設置最大散度閾值（范圍在0~1之間）：
-
單角度閾值：設定一個閾值用於所有分類，默認為0.05；
-
多角度閾值：為每一個類別設置一個獨立的閾值，不同類別之間的閾值可以設置不同。
-
閾值設置越大，分類結果越粗糙，類別之間的計算誤差越大。閾值越小則限制越嚴格，像元光譜與參考光譜之間的散度值小於閾值的，該像元才會認為是參考光譜所對應的地物。
-
設置分塊緩存：當分類數據過大時，可以對數據進行分塊處理，該值代表分塊數據的大小，需要根據當前計算機的配置及輸入數據的大小進行設置。默認128，表示分配128MB內存空間進行計算；
-
輸出分類結果文件：設置輸出的分類結果文件的保存路徑及文件名。輸出的分類結果為 ENVI 標准的分類文件格式，使用PIE-Hyp或ENVI軟件打開該文件會默認渲染每一個類別的顏色。影像值為0,1,2,3…，其中0表示未分類，1表示類別1，2表示類別2，3表示類別3，以此類推；
-
輸出規則圖像：設置輸出規則圖像的保存路徑及文件名。輸出的圖像每個波段代表每一類別光譜與影像像元光譜的信息散度。
單擊【確定】按鈕，即可進行處理。
1.5.5操作技巧
技巧1 光譜信息散度的通用設置及部分參數設置與光譜角填圖設置一致。
1.5.6常見問題
暫無。
1.5.7復習思考題
(1)使用課程練習數據，運用光譜信息散度分類算法進行監督分類。
1.6平行六面體
遙感圖象分類過程中，對於被分類的每一個類別，其在各波段的維上都要選取一個一定變差范圍的識別窗口，這樣在多維空間中就割出形成一個多維空間平行六面體，而屬於這一類別的所有多維空間矢量點，就都應該落入這一平行六面體內。在一次分類中如果分了多個類別，那么在多維空間中也就分割形成同樣多個多維平行六面體，所有居於各個類別的多維空間矢量點也就都分別歸屬落入各自的多維平行六面體內。
1.6.1主要內容
通過PIE-Hyp對演示數據進行平行六面體操作
1.6.2學習目標
-
熟練掌握平行六面體基本操作。
1.6.3使用數據
| 序號 | 數據名稱 | 數據說明 |
| 1 | 練習數據_Ortho_Sub.tif | 待處理的高光譜數據 |
1.6.4平行六面體操作
在"圖像分類"標簽下的"監督分類"組，單擊【平行六面體】按鈕，彈出"平行六面體"對話框，如下圖所示：
平行六面體對話框
-
輸入文件：輸入待處理的高光譜文件：
平行六面體輸入數據對話框
-
通過"選擇輸入文件"中的文件列表選擇文件或者通過單擊【導入文件】按鈕打開輸入文件選擇對話框選擇輸入外部文件；
-
單擊"選擇空間子集"右下端的【…】按鈕打開空間子集選擇對話框，可通過縮放紅色方框或者手動輸入待處理的空間范圍；
-
單擊"選擇光譜子集"右下端的【…】按鈕打開波段子集選擇對話框，可通過波段列表選擇待處理的波段子集；
-
單擊【確定】按鈕，文件及空間波譜子集選擇完成，返回到平行六面體分類對話框。
選擇ROI圖層，設置完畢后，點擊【確定】按鈕，即可進行平行六面體分類，並輸出分類結果。
1.6.5操作技巧
技巧1 均值決定校准差閾值，尺度又由標准差閾值確定，所選類的划分及均值的計算會導致分類結果不理想。
1.6.6常見問題
暫無。
1.6.7復習思考題
(1)使用課程練習數據，運用平行六面體分類算法進行監督分類。
1.7光譜相似度度量
直接計算樣本光譜矢量與每個像元光譜矢量之間的線性相似度，對於同一類地物具有很高的線性相似度，而對於非同一類地物則具有較低的線性相似度。光譜相似度度量分類算法（SpectralSimilarity）可提取出與輸入光譜相似的地物。
1.7.1主要內容
通過PIE-Hyp對演示數據進行光譜相似度度量分類算法操作
1.7.2學習目標
-
熟練掌握光譜相似度度量分類算法基本操作。
1.7.3使用數據
| 序號 |
數據名稱 |
數據說明 |
| 1 |
練習數據_Ortho_Sub.tif |
待處理的高光譜數據 |
| 2 |
練習數據_ROI.pieroi |
ROI文件 |
1.7.4光譜相似度度量操作
在"圖像分類"標簽下的"監督分類"組，單擊【光譜相似度度量】按鈕，彈出"光譜相似度度量"對話框，如下圖所示：
光譜相似度度量界面
-
輸入文件：輸入待處理的高光譜文件：
光譜相似度度量分類輸入數據對話框
-
通過"選擇輸入文件"中的文件列表選擇文件或者通過單擊【導入文件】按鈕打開輸入文件選擇對話框選擇輸入外部文件；
-
單擊"選擇空間子集"右下端的【…】按鈕打開空間子集選擇對話框，可通過縮放紅色方框或者手動輸入待處理的空間范圍；
-
單擊"選擇光譜子集"右下端的【…】按鈕打開波段子集選擇對話框，可通過波段列表選擇待處理的波段子集；
-
單擊【確定】按鈕，文件及空間波譜子集選擇完成，返回到光譜相似度度量分類對話框。
界面中的波譜搜集及其他相關設置操作參照光譜角填圖或二進制編碼的操作介紹。
輸入待處理影像以及選擇樣本光譜后，單擊【應用】按鈕，彈出參數設置對話框：
光譜相似度度量參數設置界面
-
設置每個類別的相似度閾值：閾值越小則限制越嚴格，像元光譜與參考光譜之間的相似度小於閾值的，該像元才會認為是參考光譜所對應的地物，取值范圍0-1，默認設置為0.1；
-
緩存大小：當分類數據過大時，可以對數據進行分塊處理，該值代表分塊數據的大小，需要根據當前計算機的配置及輸入數據的大小進行設置。默認128，表示分配128MB內存空間進行計算；
-
輸出文件：設置輸出的分類結果文件的保存路徑及文件名。輸出的分類結果為 ENVI 標准的分類文件格式，使用PIE-Hyp或ENVI軟件打開該文件會默認渲染每一個類別的顏色。影像值為0,1,2,3…，其中0表示未分類，1表示類別1，2表示類別2，3表示類別3，以此類推。
單擊【確定】按鈕，即可進行分類處理。
1.7.5操作技巧
技巧1 光譜相似度度量的通用設置及部分參數設置與光譜角填圖設置一致。
1.7.6常見問題
暫無。
1.7.7復習思考題
(1)使用課程練習數據，運用光譜相似度度量分類算法進行監督分類。
1.8MRF分類
馬爾科夫隨機場（簡稱MRF算法）是在傳統最大似然分類基礎上，加入空間上下文相關性的一種監督分類算法，首先選擇高光譜影像文件及各類樣本或輸入文件（后綴為*.roi)，通過訓練集進行參數估計，獲得各類別概率密度函數估計，然后針對目標函數進行迭代求解，逐漸減少目標函數的能量，直至達到一定迭代次數或目標函數收斂為止，即得到分類結果。
1.8.1主要內容
通過PIE-Hyp對演示數據進行MRF分類算法操作。
1.8.2學習目標
-
熟練掌握MRF分類算法基本操作。
1.8.3使用數據
| 序號 |
數據名稱 |
數據說明 |
| 1 |
練習數據_Ortho_Sub.tif |
待處理的高光譜數據 |
1.8.4MRF分類算法操作
在"圖像分類"標簽下的"監督分類"組，單擊【MRF】按鈕，彈出"MRF"對話框，如下圖所示：
MRF對話框
-
輸入文件：輸入待處理的高光譜文件：
MRF分類輸入數據對話框
-
通過"選擇輸入文件"中的文件列表選擇文件或者通過單擊【導入文件】按鈕打開輸入文件選擇對話框選擇輸入外部文件；
-
單擊"選擇空間子集"右下端的【…】按鈕打開空間子集選擇對話框，可通過縮放紅色方框或者手動輸入待處理的空間范圍；
-
單擊"選擇光譜子集"右下端的【…】按鈕打開波段子集選擇對話框，可通過波段列表選擇待處理的波段子集；
-
單擊【確定】按鈕，文件及空間波譜子集選擇完成，返回到平行六面體分類對話框。
選擇ROI圖層，設置完畢后，點擊【確定】按鈕，即可進行MRF分類，並輸出分類結果。
1.8.5操作技巧
技巧1 MRF的通用設置及部分參數設置與光譜角填圖設置一致。
1.8.6常見問題
暫無。
1.8.7復習思考題
(1)使用課程練習數據，運用MRF分類算法進行監督分類。
1.9SVM分類
支持向量機是一種廣義的線性分類器，它是在線性分類器的基礎上，通過引入結構風險最小化原理、最優化理論和核方法演化而成。它的思想是：把對訓練樣本尋找最優分類超平面的問題轉化為不等式約束下求二次函數極值的問題，通過訓練樣本求得最優分類函數的各項參數。
1.9.1主要內容
通過PIE-Hyp對演示數據進行SVM分類操作。
1.9.2學習目標
-
熟練掌握SVM分類基本操作。
1.9.3使用數據
| 序號 |
數據名稱 |
數據說明 |
| 1 |
練習數據_Ortho_Sub.tif |
待處理的高光譜數據 |
1.9.4SVM分類操作
在"圖像分類"標簽下的"監督分類"組，單擊【SVM】按鈕，彈出"支持向量機"對話框，如下圖所示：
支持向量機界面
-
輸入文件：輸入待處理的高光譜文件：
SVM分類輸入數據對話框
-
通過"選擇輸入文件"中的文件列表選擇文件或者通過單擊【導入文件】按鈕打開輸入文件選擇對話框選擇輸入外部文件；
-
單擊"選擇空間子集"右下端的【…】按鈕打開空間子集選擇對話框，可通過縮放紅色方框或者手動輸入待處理的空間范圍；
-
單擊"選擇光譜子集"右下端的【…】按鈕打開波段子集選擇對話框，可通過波段列表選擇待處理的波段子集；
-
單擊【確定】按鈕，文件及空間波譜子集選擇完成，返回到SVM分類對話框。
界面中的波譜搜集及其他相關設置操作參照光譜角填圖或二進制編碼的操作介紹。
輸入待處理影像以及選擇樣本光譜后，單擊【應用】按鈕，彈出參數設置對話框：
支持向量機參數設置界面
-
Degree值（多項式核中）：多項式的階次，默認為3；
-
Gamma值：Gamma是選擇徑向基函數作為kernel后，該函數自帶的一個參數。隱含地決定了數據映射到新的特征空間后的分布；
-
Coef值：核函數中的coef0設置(針對多項式/sigmoid核函數)((默認0)；
-
處罰系數C：C是懲罰系數，就是說你對誤差的寬容度，這個值越高，說明越不能容忍出現誤差；
-
nu：設置v-SVC，一類SVM和v- SVR的參數(默認0.5)；
-
p：設置e -SVR 中損失函數p的值(默認0.1)；
-
SVM類型：選擇SVM類型；
-
核函數類型：選擇不同類型的核函數，一般選擇非線性的RBF核函數；
-
設置e -SVR 中損失函數p的值(默認0.1)；
-
緩存大小（MB）：當分類數據過大時，可以對數據進行分塊處理，該值代表分塊數據的大小，需要根據當前計算機的配置及輸入數據的大小進行設置。默認128，表示分配128MB內存空間進行計算；
-
輸出文件：設置輸出的分類結果文件的保存路徑及文件名。
單擊【確定】按鈕，即可進行分類處理。
1.9.5操作技巧
暫無。
1.9.6常見問題
暫無。
1.9.7復習思考題
(1)使用課程練習數據，運用SVM分類算法進行監督分類。
(2)簡述監督分類的主要過程。
2.分類后處理
監督分類和非監督分類等分類方法得到的一般是初步結果，難於達到最終的應用目的。因此，需要對初步的分類結果進行一些處理，才能得到滿足需求的分類結果，這些處理過程就通常稱為分類后處理。常用分類后處理通常內容包括：分類合並、分類統計、過濾、聚類、主/次要分析、顏色設置。
2.1分類后統計
分類統計功能是將分類后的結果統計輸出。
2.1.1主要內容
通過PIE-Hyp對演示數據進行分類統計操作
2.1.2學習目標
-
熟練掌握分類統計基本操作。
2.1.3使用數據
| 序號 | 數據名稱 | 數據說明 |
| 1 | 練習數據_Ortho_光譜信息散度 | 監督分類后待處理的高光譜數據 |
2.1.4分類后統計操作
在"圖像分類"標簽下的"分類后處理"組，單擊【分類后處理】按鈕，選擇【分類統計】，打開"分類統計"對話框，如下圖所示。
分類統計
-
輸入文件：選擇待進行分類統計的分類影像文件；
-
分類統計報告：顯示分類統計信息，各類別的像元數、占所有像元的百分比以及面積；
-
統計信息保存：可以將分類統計信息保存為TXT文件。
所有參數設置完畢后，點擊【確定】按鈕即可保存分類統計信息。
2.1.5操作技巧
暫無。
2.1.6常見問題
暫無。
2.1.7復習思考題
(1) 對監督分類之后的數據進行分類統計練習。
2.2分類后合並
分類合並功能是將分類文件中所設置的對應類別進行合並。
2.2.1主要內容
通過PIE-Hyp對演示數據進行分類合並操作。
2.2.2學習目標
-
熟練掌握分類合並基本操作。
2.2.3使用數據
| 序號 |
數據名稱 |
數據說明 |
| 1 |
練習數據_Ortho_光譜信息散度 |
監督分類后待處理的高光譜數據 |
2.2.4分類合並操作
在"圖像分類"標簽下的"分類后處理"組，單擊【分類后處理】按鈕，選擇【分類合並】，打開"分類合並"對話框，如下圖所示。
分類合並參數設置對話框
-
輸入文件：選擇待進行分類合並的分類影像文件；
-
輸入類別：顯示輸入的分類影像文件的類別信息；
-
輸出類別：顯示輸出的分類影像文件的類別信息；
-
添加對應：設置輸入類別與輸出類別的對應類別關系；
-
取消對應：可以取消設置的對應類別關系；
-
輸出文件：設置輸出文件的保存路徑和文件名。
所有參數設置完畢后，點擊【確定】按鈕即可進行分類合並。
2.2.5操作技巧
暫無。
2.2.6常見問題
暫無。
2.2.7復習思考題
(1) 對監督分類之后的數據進行分類合並練習。
2.3過濾
過濾功能使用斑點分組方法來消除分類文件中被隔離的分類像元，用以解決分類圖像中出現的孤島問題。
2.3.1主要內容
通過PIE-Hyp對演示數據進行過濾操作。
2.3.2學習目標
-
熟練掌握過濾基本操作。
2.3.3使用數據
| 序號 | 數據名稱 | 數據說明 |
| 1 | 練習數據_Ortho_光譜信息散度 | 監督分類后待處理的高光譜數據 |
2.3.4過濾操作
在"圖像分類"標簽下的"分類后處理"組，單擊【分類后處理】按鈕，選擇【過濾處理】，打開"過濾"處理參數設置對話框，如下圖所示。
過濾處理參數設置對話框
-
輸入文件：選擇待進行過濾處理的分類影像文件；
-
類別選擇：選擇待處理的類別；
-
參數設置：
-
過濾閾值：設置過濾閾值，為大於1的整數，若一類中被分組的像元少於設定的閾值，這些像元會被中該類中刪除；
-
聚類鄰域：選擇聚類鄰域，為4或8，即觀察周圍的4個或8個像元，判定一個像元是否與周圍的像元同組。
-
-
輸出文件：設置輸出文件的保存路徑和文件名。
所有參數設置完畢后，點擊【確定】按鈕即可進行過濾處理。
2.3.5操作技巧
暫無。
2.3.6常見問題
暫無。
2.3.7復習思考題
(1) 對監督分類之后的數據進行過濾練習。
2.4聚類
聚類處理時運用形態學算子將臨近的類似分類區域聚類並合並。
2.4.1主要內容
通過PIE-Hyp對演示數據進行聚類操作。
2.4.2學習目標
-
熟練掌握聚類基本操作。
2.4.3使用數據
| 序號 |
數據名稱 |
數據說明 |
| 1 |
練習數據_Ortho_光譜信息散度 |
監督分類后待處理的高光譜數據 |
2.4.4聚類操作
在"圖像分類"標簽下的"分類后處理"組，單擊【分類后處理】按鈕，選擇【聚類】，打開"聚類"參數設置對話框，如下圖所示。
聚類參數設置對話框
-
輸入文件：選擇待進行聚類處理的分類影像文件；
-
類別選擇：選擇待處理的類別；
-
參數設置：設置核大小，為奇數；
-
輸出文件：設置輸出文件的保存路徑和文件名。
所有參數設置完畢后，點擊【確定】按鈕即可進行聚類處理。
2.4.5操作技巧
暫無。
2.4.6常見問題
暫無。
2.4.7復習思考題
(1) 對監督分類之后的數據進行聚類練習。
2.5主/次要分析
主要分析功能是采用類似卷積濾波的方法將較大類別中的虛假像元歸到該類中，首先定義一個變換核尺寸，然后用變換核中占主要地位（像元最多）類別數代替中心像元的類別數，次要分析相反，用變換核中占次要地位的像元的類別數代替中心像元的類別數。
2.5.1主要內容
通過PIE-Hyp對演示數據進行主/次要分析操作。
2.5.2學習目標
-
熟練掌握主/次要分析基本操作。
2.5.3使用數據
| 序號 | 數據名稱 | 數據說明 |
| 1 | 練習數據_Ortho_光譜信息散度 | 監督分類后待處理的高光譜數據 |
2.5.4主/次要分析操作
在"圖像分類"標簽下的"分類后處理"組，單擊【分類后處理】按鈕，選擇【主/次要分析】，打開"主/次要分析"對話框，如下圖所示。
主/次要分析參數設置對話框
-
輸入文件：選擇待進行主/次要分析的分類影像文件；
-
類別選擇：設置待進行主/次要分析的類別，一般大於等於兩類；
-
分析方法：設置分析方法，包括主要和次要兩種；
-
參數設置：
-
核大小：設置變換核大小，為奇數；
-
中心像元比重：設置中心像元權重，即中心像元類別被計算的次數。
-
-
輸出文件：設置輸出文件的保存路徑和文件名。
所有參數設置完畢后，點擊【確定】按鈕即可進行主次要分析。
2.5.5操作技巧
暫無。
2.5.6常見問題
暫無。
2.5.7復習思考題
(1) 對監督分類之后的數據進行主/次要分析練習。