Vous êtes sur la page 1sur 13

Tutorial Clasificacin ENVI 5

En este tutorial, utilizar el flujo de trabajo de clasificacin para categorizar los


pxeles de una imagen en muchas clases. En la primera parte del tutorial, llevar
a cabo una clasificacin no supervisada, sin datos de entrenamiento. Grupos de
clasificacin no supervisada pxeles en un conjunto de datos basados en las
estadsticas slo, sin ninguna clase de formacin definidos por el usuario.
En la segunda parte del tutorial, crear datos de entrenamiento de forma
interactiva en el conjunto de datos y utilizarla para realizar una clasificacin
supervisada. Clasificacin supervisada agrupaciones de pxeles en un conjunto de
datos en clases sobre la base de datos de entrenamiento que usted
defina. Entonces puede seleccionar las clases que desee asignada en la salida.
Referencias
Mahalanobis, mxima verosimilitud, Distancia mnima:
J. A. Richards, 1999, Anlisis de Imgenes
remota, Springer-Verlag, Berln, p. 240.

Digitales

de

deteccin

ngulo Espectral Mapper:


Kruse, FA, AB Lefkoff, JB Boardman, KB Heidebrecht, AT Shapiro, PJ Barloon
y AFH Goetz, 1993, "El sistema de procesamiento de imgenes espectral (SIPS)
- Visualizacin Interactiva y Anlisis de Imagen espectrmetro de datos ".
Teledeteccin del Medio Ambiente, v 44, p. 145-163.
ISODATA:
Tou, JT y RC Gonzlez, 1974. Patrn principios de reconocimiento, AddisonWesley Publishing Company, Reading, Massachusetts.
Archivos utilizados en este Tutorial
Archivos del tutorial estn disponibles en el sitio web exelis
http://www.exelisvis.com/Learn/Resources/Tutorials.aspx o en el DVD de
recursos de ENVI en el directorio de clasificacin.

Realizacin de clasificacin no supervisada


El mtodo de clasificacin no supervisada ISODATA comienza por clase clculo
significa distribuida uniformemente en el espacio de los datos, y luego racimos
de forma iterativa los restantes pxeles utilizando tcnicas de distancia
mnima. Cada iteracin recalcula medios y reclasifican pxeles con respecto a los
nuevos medios. Este proceso contina hasta que el porcentaje de pxeles que
cambian clases durante una iteracin sea menor que el cambio se alcanza el
umbral o el nmero mximo de iteraciones.
1. Inicie ENVI.
2. Desde el cuadro de herramientas, seleccione Clasificacin> Clasificacin
Workflow. El Archivo Aparece el panel de seleccin.
3. Haga clic en Examinar. Aparecer el cuadro de dilogo de seleccin de
archivos.
4. Haga clic en Abrir archivo. Aparecer el cuadro de dilogo Abrir.
5. Vaya a la clasificacin, seleccione Phoenix_AZ.tif, y haga clic en Abrir. Es
una imagen de color verdadero QuickBird.
6. Haga clic en Siguiente en el cuadro de dilogo de seleccin de
archivos. Aparece el panel Tipo de Clasificacin.
7. Seleccione Sin datos de entrenamiento, que le guiar a travs de la
supervisin Flujo de trabajo de clasificacin pasos.
8. Haga clic en Siguiente. Aparece el panel de clasificacin no supervisada.
9. Introduzca 7 como la peticin de oferta Cantidad de clases para
definir. Usted no tiene que cambiar cualquier configuracin en la ficha Opciones
avanzadas, as que haga clic en Siguiente para iniciar la clasificacin.
Cuando la clasificacin se ha completado, la imagen se carga de anuncios en la
vista y el Aparece el panel de Limpieza.

La siguiente es una muestra de los resultados de la clasificacin sin supervisin


de parte de la imagen. Sus resultados pueden ser ligeramente diferentes. Observe
la cantidad de moteado que se produce dentro de las zonas residenciales:

10. La limpieza es un paso opcional, pero que va a utilizar en este ejercicio para
determinar si la salida de clasificacin de mejora. Las opciones de limpieza
estn suavizando, que quita moteado, y la agregacin, que elimina las regiones
pequeas. En el Panel de Limpieza, mantener la configuracin predeterminada.
11. Active la opcin Vista previa. Una ventana de vista previa se abre,
mostrando limpieza de clasificacin se ver as con la configuracin actual. Haga
clic en el Ventana de vista previa con la herramienta Seleccin (el icono de
flecha situado en la principal barra de herramientas), y se arrastra alrededor de la
imagen para ver cmo las reas se vern afectadas por paso de limpieza.
La imagen a continuacin muestra que la clasificacin se beneficiar del uso de
la Paso de limpieza. Se puede ver que gran parte del ruido de moteado ha sido
sustituido con regiones ms suaves.

12. Haga clic en Siguiente. Aparece el panel Exportar.


13. Habilitar slo la casilla de verificacin Imagen de Clasificacin de
Exportacin. Utilice el valor predeterminado salida de tipo de imagen
de ENVI, e introduzca una ruta y un nombre de archivo para la clasificacin
imagen.
14. Haga clic en Finalizar.
A continuacin, se llevar a cabo la clasificacin supervisada en la misma
imagen. Para prepararse, hacer la siguiente:
1. Seleccione Archivo> Administrador de datos. Se abre el Administrador de
datos.
2. Seleccione el archivo de clasificacin que acaba de crear y haga clic en
el botn Cerrar.
Deje el Data Manager y la Phoenix_AZ.TIF archivo abierto.
Realizacin de clasificacin supervisada

Mtodos de clasificacin supervisada incluyen Mxima verosimilitud, la


distancia mnima, Mahalanobis distancia y ngulo espectral Mapper (SAM). En
este tutorial, utilizar SAM.
1. En el Administrador de datos, haga clic en el archivo Phoenix_AZ.TIF. Si
usted est en un equipo con Windows sistema operativo, puede arrastrar el
nombre de archivo para la Clasificacin en el cuadro de herramientas.
De lo contrario, haga doble clic en la herramienta de clasificacin para
iniciarlo. La seleccin de archivos Aparece el panel, con Phoenix_AZ.TIF como
archivo de entrada de la trama.
2. Haga clic en Siguiente en el panel de seleccin de archivos para proceder. El
panel Tipo de Clasificacin aparece.
3. Seleccione Usar datos de entrenamiento, que le guiar a travs de la
supervisin Flujo de trabajo de clasificacin pasos.
4. Haga clic en Siguiente. Aparece el panel de clasificacin supervisada.
5. En la pestaa Algoritmo, seleccione espectral Angle Mapper de la lista
desplegable lista proporcionada. El mtodo de SAM es una tcnica de
clasificacin espectral que utiliza un ngulo de n-D para que coincida con pxeles
para los datos de entrenamiento. Este mtodo permite determinar el espectro
similitud entre dos espectros mediante el clculo del ngulo entre los espectros
y tratarlos como vectores en un espacio con dimensionalidad igual a la nmero
de bandas. ngulos ms pequeas representan partidos ms cercanos a la
referencia espectro. Los pxeles se asignan a la clase con el ngulo ms
pequeo. Cundo utilizado con datos de reflectancia calibrados, el mtodo SAM
es relativamente insensible de iluminacin y efectos de albedo.
6. Puede definir los datos de entrenamiento de un archivo vectorial existente,
pero para este ejercicio, que va a utilizar la herramienta Polgono de
anotacin de ENVI para crear de forma interactiva su propio polgonos de datos
de entrenamiento.
Interactivamente Definir datos de entrenamiento
Cuando ha seleccionado Usar datos de entrenamiento, el botn Polgono de
anotacin

Era habilitada y una nueva capa llamada Data Training est en el Administrador
de capas.
Definir dos clases con al menos una regin por clase. Este es el mnimo nmero
de clases requeridas para llevar a cabo la clasificacin supervisada.
1. En el panel de clasificacin supervisada, haga clic en la ficha Propiedades y
cambie la Class Nombre de la clase 1 a la Finca Rstica. Deje el color de la
clase como el rojo.
2. Localice las diferentes reas de la imagen que estn sin desarrollar. No
deberan contener edificios o hierba, y no deben ser carreteras. Dibuja polgonos
dentro tres de estas reas. Para dibujar un polgono, haga clic en un rea sin
desarrollar y mantener pulsado el botn del ratn mientras se dibuja. Al acercarse
a su punto de partida, haga doble clic para aceptar el polgono. La anotacin de
polgono se aade a la Administrador de capas bajo el rbol de capas de datos de
entrenamiento.
El siguiente es un ejemplo de un polgono.
2. Haga clic en el botn Agregar clase para crear una segunda clase.

3. Cambie el nombre de clase de la clase 2 de la vegetacin. Deje el color


de la Clase como verde.
5. Localice diferentes reas de la imagen que muestran la vegetacin saludable
como el golf cursos, rboles, csped, etc dibujar polgonos dentro de estas tres
reas. La siguiente imagen zoom en la muestra un ejemplo.

6. Haga clic en el botn Agregar clase para crear una tercera clase.
7. Cambie el nombre de clase de la clase 3 a los edificios. Deje el color de la
Clase como azul.
8. Localizar las diferentes reas de la imagen que tienen los techos. Dibuja
polgonos dentro tres de estas reas, preferentemente tejados con diferentes
niveles de brillo. La siguiente imagen zoom en la muestra un ejemplo.

9. A continuacin, tendr una vista previa de los resultados de la clasificacin,


con base en los datos de entrenamiento que proporcionado.
Vista previa de la Clasificacin

1. Active la opcin Vista previa para abrir una ventana de vista previa que
muestra el resultado de la clasificacin utilizando los datos de
entrenamiento que ha creado. La siguiente figura muestra un ejemplo.

La ventana de vista previa muestra que las carreteras estn siendo clasificados
como edificios. Lo hars que tenga que agregar una cuarta clase de caminos.
2. Desactive la opcin Vista previa.
3. Haga clic en el botn Agregar clase.
4. Cambie el nombre de clase de la clase 4 de Carreteras. Deje el color de la
clase como amarillo.
5. Utilice la herramienta Polgono de anotacin para dibujar polgonos dentro de
tres carreteras diferentes tipos, incluyendo una autopista. Puede que tenga que
utilizar la herramienta Zoom en el principal barra de herramientas para acercar lo
suficiente para dibujar un polgono dentro de una carretera.
6. Activar vista previa de nuevo.

7. La regin de formacin Carreteras pareca hacer un buen trabajo de


clasificacin de las carreteras, pero tambin reclasific algunos techos que eran
una sombra gris similar a la carretera. la siguiente imagen muestra un ejemplo.

A continuacin, elimine la regin de Caminos, cambiar el nombre de la regin de


los edificios a Desarrollado y agregar tres regiones de formacin vial a
desarrollar.
8. Seleccione la clase de Carreteras, y haga clic en el botn Eliminar. La ventana
de vista previa actualiza la vista.
9. Seleccione la clase de edificios, y cambiar su nombre de clase a desarrollar.
10. Utilice la herramienta Polgono de anotacin para dibujar polgonos dentro
de los tres tramos de la carretera, asegurndose de marcar por lo menos un tramo
de una carretera.
La ventana de vista previa debe demostrar que las carreteras y los edificios son
parte de la nueva Clase desarrollada.
Comparacin de los mtodos

Con la opcin Previsualizar est activada, pruebe con cada uno de los mtodos de
clasificacin en el marco del Pestaa Algoritmo. Para obtener informacin ms
detallada sobre cada mtodo, consulte las referencias al principio de este tutorial.
Aqu est un breve resumen:
Mxima verosimilitud supone que las estadsticas de cada clase en cada banda
son normalmente distribuido y calcula la probabilidad de que un pxel dado
pertenece a una clase especfica. Cada pxel se le asigna a la clase que tiene la
ms alta probabilidad (Es decir, la probabilidad mxima).

Distancia mnima utiliza los vectores de medias para cada clase y calcula la La
distancia eucldea de cada pxel desconocido para el vector medio para cada
clase. La pxeles se clasifican en la clase ms cercana.

Mahalanobis distancia es un clasificador de distancia sensible a la direccin que


utiliza las estadsticas de cada clase. Es similar a la clasificacin de probabilidad
mxima, pero asume todas las covarianzas de clase son iguales, y por lo tanto es
un mtodo ms rpido. Todos los pxeles se clasifican para los datos de
entrenamiento ms cercanos.

ngulo Espectral Mapper (SAM)

Al parecer, ya sea de mxima verosimilitud o Angulo espectral Mapper


proporcionarn los mejores resultados de la clasificacin de esta imagen. Para
este ejercicio, mantener Angulo espectral Mapper como el algoritmo y haga
clic en Siguiente.
Limpieza de Resultados Clasificacin supervisada
Cuando la clasificacin supervisada se ha completado, la imagen se carga de
anuncios en la imagen Aparecer la ventana, y el panel de Limpieza. La limpieza
es un paso opcional, pero que va a utilizar en este ejercicio para determinar si la
salida de clasificacin mejora. La limpieza opciones de suavizado, que elimina
moteado, y la agregacin, que elimina pequeas regiones.
1.
En
el
panel
de
Limpieza,
deshabilite
la opcin Habilitar
suavizado. Seleccione y mantenga la configuracin predeterminada
para permitir que se rena.
2. La ventana de vista previa debe seguir estando abierta, que muestra una
vista de la limpieza de clasificacin se ver as con la configuracin

actual. Haga clic en la Ventana de vista previa, y se arrastra alrededor de la


imagen para ver cmo se vern afectadas las zonas por paso de limpieza.
3. Haga clic en Siguiente. Cuando finalice el proceso de clasificacin, el panel de
la Exportacin aparece.
Exportacin de resultados de clasificacin
En el panel de exportacin, puede guardar los resultados de la clasificacin a una
imagen, la clase polgonos a un archivo de formas, y las estadsticas a un archivo
de texto.
Para exportar los resultados:
1. En la ficha Exportar archivos, active la opcin Clasificacin de Imgenes
Exportacin y tener ENVI como el tipo de imagen de salida. Escriba una ruta y
nombre de archivo vlido para la imagen de clasificacin.
2.
Active
la opcin Exportar
Clasificacin
Vectores y
mantener Shapefile como Tipo de archivo de salida del vector. Escriba una ruta y
nombre de archivo vlido para el archivo shape.
3. En la ficha Estadsticas de Exportacin, habilite las estadsticas de
clasificacin de exportacin opcin. Escriba una ruta y nombre de archivo
vlido para el archivo de texto de estadstica.
4. Haga clic en Finalizar. ENVI crea la salida, abre las capas de clasificacin y
vectoriales en la ventana de imagen, y guarda los archivos en el directorio
especificado. Usted puede ver las estadsticas, abra el archivo en un editor de
texto.
5. Seleccione Archivo> Salir para cerrar ENVI.
Derechos de autor:
ENVI es una marca registrada de Exelis Inc.