envi监督分类

利用python sklearn进行机器学习

很有用的遥感图像分类 介绍的很详细 包含监督分类和非监督分类方法

遥感数字图像处理课程设计-遥感图像监督与非监督分类，主要对于烟台市地区，包含原始数据，处理数据，以及50页的课程设计报告详细讲述了分析以及操作。以下是节选：4.1.1 图像校正 地理空间数据云下载的0云量数据已经进行过了图像大气校正，辐射校正，几何校正，不需要进一步预处理。 4.1.2 波段合成 点击“Basic Tools”—“Layer Stacking”,这时就打开了波段合成窗口，然后点击“Import file”,打开波段输入窗口。我们从中可以选择输入波段。完成波段顺序调整后，就可以直接点击“OK”,这样就会生成一个新合成的波段图像（选取波段1，2，3，4，5，7）。4.1.3 图像裁剪 由于下载的图像太大，迭代计算过于缓慢，所以需要进行裁剪。 在file/save as中，进入文件选择面板，Spatial Subset打开右侧的裁剪区域，并进行编辑。 可手动选择裁剪区域，红框为裁剪区域 图4.3 裁剪范围和大小 4.1.4 裁剪图像统计基本统计量 点击菜单Basic Tools→Statistics→Compute Statistics，对图像进行统计选中统计项目：直方图、

视频图matlab代码请阅读我的论文，特别是第3章。 您还想阅读我的方法所依赖的Papazoglou等人的ICCV2013（但我想删除此依赖项）。 阅读HOWTO.txt，了解如何运行我的代码。 目录“数据”包含输入图像，预先计算的时间超像素等。 目录“ external”包含外部的matlab代码，这些代码将从我的python代码中调用。 有很多事情需要改进。 视频表示 标记时间超像素的想法还不错。 但是，即使单个tsp轨迹同时包含fg和bg像素，它们也会被赋予相同的标签。 可能需要一些后期处理。 一元潜力 在轨迹上扩散的想法很好。 为了计算fg可能性，我们目前依赖于Papazoglou等人的内外图，ICCV2013。 我想改进它，或用其他方法代替它。 -因为内部-外部映射并不稳健，所以特别是在有多个对象的情况下（请参见我的论文，第3.2节）。 -取决于阈值光流边缘，该边缘可能会忽略薄弱但重要的边缘。 -每个帧都完全独立地处理。 如何改善内外地图？ -使用TSP以3d方式拍摄光线。 -还有其他想法吗？ 最终外观模型和位置模型不好。 -训练随机森林需要阈值散布在内部概率中。 这听起来很

使用三种具有代表性的聚类分析算法对鸢尾花数据集进行聚类分析，分别为层次方法、DBSCAN 方法与K-means 方法。接着使用三个评价指标对聚类的结果进行评价，分别为准确度、运行时间、轮廓系数。本程序包含python程序、实验报告与鸢尾花数据集文件。是本人亲手写的作业且获得高分。层次方法在此数据集上准确度最佳，DBSCAN 方法运行时间最短，层次与 K-means 方法都取得了较高的轮廓系数值。亲手资源，保证一手！

非监督分类：也称为聚类分析或点群分类 在多光谱图像中搜寻 定义其自 然相似光谱集群的过程 它不必对影像地物获取先验知识 仅依靠影像上不同类 地物光谱 或纹理 信息进行特征提取 再统计特征的差别来达到分类的目的 最 后对已分出的各个类别的实际属性进行确认 ">非监督分类：也称为聚类分析或点群分类 在多光谱图像中搜寻 定义其自 然相似光谱集群的过程 它不必对影像地物获取先验知识 仅依靠影像上不同类 地物光谱 或纹理 信息进行特征提取 再统计特征的差别来达到分类 [更多]

遥感影像分类是影像分析的一个重要内容,它是利用计算机通过对影像中不同地物的空间信息和光谱 信息进行分析,选择特征,并将特征空间划分为互不重叠的子空间,然后将影像中各个像元划归到子空间去. 目前国内国际上对影像分类的研究主要集中在应用具体的物理的、数学的方法等对影像进行的分类研究方 面[1 - 8 ] ,对于影像分类方法的研究,从不同的方面可以划分为不同的类型. 按照利用图像要素的不同,影像 分类大体可以分为三种:一是基于图像灰度值的分类,二是基于图像纹理的分类,三是基于多源信息融合的 分类[9 ] . 用计算机对影像进行分类应用的主要是模式识别技术,根据具体应用的数学方法不同又可分为:统 计法(决策分类法) 、语言结构法(句法方法) 、模糊法以及神经网络法. 在影像分类过程中,根据是否已知训练 样本的分类数据,影像分类方法又可以分为监督分类和非监督分类. 本文主要从分类原理、分类过程、分类方 法等方面来探讨这两种分类方法的区别与联系.

使用MFC实现了遥感图像处理中的非监督分类-K均值聚类，可以对绝大多数常用图像格式进行处理和分类，可以人工设置分类精度和分类类别，可以保存分类后的图像，代码注释很详细，界面也很美观。

ml-in-action：出版书籍《机器学习入门到实践——MATLAB实践应用》一书中的实例程序。涉及监督学习，非监督学习和强化学习。（本书的代码“ MATLAB中的机器学习简介与操作” ”）