其他分享
首页 > 其他分享> > 【ENVI入门系列】12.基于专家知识决策树分类

【ENVI入门系列】12.基于专家知识决策树分类

作者:互联网

版权声明:本教程涉及到的数据仅供练习使用,禁止用于商业用途。

目录

基于专家知识决策树分类    

1.    概述    

2.    详细操作步骤    

2.1    规则获取   

2.2    制作决策树    

2.3    执行决策树    

1. 概述

       基于知识的决策树分类是基于遥感影像数据及其他空间数据,通过专家经验总结、简单数学统计和归纳方法等,获得分类规则并进行遥感分类。分类规则易于理解,分类过程也符合人的认知过程,最大的特点是利用多源数据。

       专家知识决策树分类的步骤大体上可分为四步:知识(规则)定义、规则输入、决策树运行和分类后处理。难点是规则的获取,可以来自经验总结,如坡度小于20度是缓坡等;也可以通过统计的方法从样本中获取规则,如C4.5算法、CART算法、S-PLUS算法等。

       本课程以Landsat TM5影像和这个地区对应的DEM数据为例,学习基于专家知识决策树分类。数据存放在"\12.基于专家知识决策树分类\数据"文件夹内,影像和DEM经过了精确配准。

 

2. 详细操作步骤

2.1 规则获取

       根据经验和专家知识获取如下规则:

       注:其中,NDVI为归一化植被指数;slope为坡度;aspect为坡向;bN代表第N个波段。

 

2.2制作决策树

      (1)首先打开待分类数据及其他多源数据。打开File > Open,选择"\12.基于专家知识决策树分类\数据"文件夹内的boulder_tm.dat和boulder_dem.dat;

注:boulder_tm.dat为待分类图像,boulder_dem.dat为DEM数据。

     (2)打开新建决策树工具,路径为Toolbox/Classification/Decision Tree/New Decision Tree,如下图所示,默认显示一个节点和两个类别;

图:新建决策树工具面板

     (3)首先按照NDVI来区分植被与非植被。单击节点Node 1,在弹出的对话框内输入节点名(Name)和条件表达式(Expression),如下图所示;

图:新建一个节点

     (4)点击OK后,在弹出的Variable/File Pairings对话框内需要为 {ndvi} 指定一个数据源,如下图所示。点击面板中显示 {ndvi} 的表格,然后选择boulder_tm.dat即可。

注:因为所选数据具有波长信息,ENVI自动根据波长识别红波段与近红外波段,如果没有波长,需要手动指定这两个波段。

图:为{ndvi}指定数据源

     (5)在进行条件表达式(Expression)编写时,需要符合IDL的语法规则,包括运算符和函数名。常用的运算符和函数如下表所示。

表:表达式中常用的运算符

表达式

部分可用函数

基本运算符

+、-、*、/

三角函数

正弦Sin(x)、余弦cos(x)、正切tan(x)

反正弦Asin(x)、反余弦acos(x)、反正切atan(x)

双曲线正弦Sinh(x)、双曲线余弦cosh(x)、双曲线正切tanh(x)

关系/逻辑

小于LT、小于等于LE、等于EQ、不等于NE、大于等于GE、大于GT

and、or、not、XOR

最大值(>)、最小值 (<)

其他符号

指数(^)、自然指数exp

自然对数alog(x)

以10为底的对数alog10(x)

取整——round(x)、ceil(x)、fix(x)

平方根(sqrt)、绝对值(abs)

      (6)ENVI决策树分类器中的变量是指一个波段或作用于数据的一个特定函数。如果为波段,需要命名为bN,其中N为1~255的数字,代表数据的某一个波段;如果为函数,则变量名必须包含在大括号中,即{变量名},如{ndvi}。如果变量被赋值为多波段文件,变量名必须包含一个写在方括号中的下标,表示波段数,比如{pc[1]}表示主成分分析的第一主成分。支持特定变量名,如下表所示,用户也可以通过IDL编写自定义函数。

表:ENVI支持的变量表达式

变量

作用

slope

计算坡度

aspect

计算坡向

ndvi

计算归一化植被指数

tascap[n]

穗帽变换,n表示获取的是哪一分量。

pc[n]

主成分分析,n表示获取的是哪一分量。

lpc[n]

局部主成分分析,n表示获取的是哪一分量。

mnf[n]

最小噪声变换,n表示获取的是哪一分量。

lmnf[n]

局部最小噪声变换,n表示获取的是哪一分量。

stdev[n]

波段n的标准差

lstdev[n]

波段n的局部标准差

mean[n]

波段n的平均值

lmean[n]

波段n的局部平均值

min[n]、max[n]

波段n的最大、最小值

lmin[n]、lmax[n]

波段n的局部最大、最小值

(7)第一层节点根据NDVI的值划分为植被和非植被,如果不需要进一步分类的话,这个影像就会被分成两类:class0和class1。

(8)对NDVI大于0.3,也就是class1,根据坡度划分成缓坡植被和陡坡植被。在class1图标上右键,选择Add Children。单击节点标识符,打开节点属性窗口,Name为Slope<20,在Expression中填写:{Slope} lt 20。

(9)同样的方法,将所有规则输入,末节点图标右键Edit Properties,可以设置分类结果的名称和颜色,最后结果如下图所示。

注:如果不想自己输入,可以选择File > Restore Tree…,选择Tree.txt即可。

表:决策树的节点名与表达式

节点名

表达式

ndvi>0.3

{ndvi} gt 0.3

0≤b4≤20

b4 lt 20 and b4 gt 0

b4 = 0

b4 eq 0

slope<20

{slope} lt 20

north

{aspect} lt 90 and {aspect} gt 270

图:决策树制作结果

注:可以选择菜单Options > Show Variable / File Pairings进行参数与变量的数据源设定。结果如下图所示。

图:参数设置结果

2.3执行决策树

(1)选择Options > Execute,可以执行决策树。由于使用了多源数据,各个数据可能拥有不同的坐标系、空间分辨率等。在弹出的Decision Tree Execution Parameters对话框(如图)中,需要选择输出结果的参照图像,这里选择boulder_tm.dat,即输出的分类结果的坐标系和空间分辨率等信息与boulder_tm.dat相同。

(2)选择输出路径和文件名,点击OK即可。

注:此步骤中可以选择空间范围裁剪。

图:输出参数设置面板

(3)如果ENVI没有自动打开结果文件,可以手动打开分类结果。如下图所示。

图:决策树分类结果(右)和原始数据(左)

 

教程下载:http://pan.baidu.com/s/1eQ8EHnO

数据下载:http://pan.baidu.com/s/1i3HwaQp

视频下载:http://pan.baidu.com/s/1kTurtaR

标签:12,20,分类,波段,ENVI,NDVI,节点,决策树
来源: https://www.cnblogs.com/enviidl/p/16447512.html