第97章 97章（2 / 2）
2.1 输入分类规则
创建决策树，通过【Cssification】→【Decision Trec】→【Build New Decision Tree】，
（1）区分水体与非水体。单击【Node1】输入【Name】:NDVI＜0，将将公式输入为，即在【Expression】中输入:b1 lt 0，即b1＜0的部分为水体。
然后在弹出的【Variable/FilePairings】窗口中，将b1选为NDVI。如图2.1.1所示。
图2.1.1 建立区分水体规则
（2）识别裸地。
右击【Css0】，选择【Add Children】，单击节点标识符，打开节点属性窗口，输入规则，在【Name】中输入:NDVI＜0.1，在【Expression】中输入公式: b1 lt 0.1，即 b1＜0.1为裸地，如图2.14所示。
图2.1.2 建立区分裸地规则
（3）识别建筑用地。
同理右击【Css2】，选择【Add Children】，单击节点标识符，打开节点属性窗口，输入规则。
在【Name】中输入:NDBI＜-0.4，在【Expression】中输入: b2 lt-0.4，即 b2＜-0.4为建筑用地。
在弹出的【Variable/File Pairings】窗口中将b2选为NDBI。如图2.1.3示。
图2.1.3 建立区分建筑用地规则
（4）区分耕地和林地、灌木。
同理右击【Css2】，选择【Add Children】，单击节点标识符，打开节点属性窗口，输入规则。
在【Namc】中输入:Slope＜14，在【Expression】中输入: b3 lt 14，即 b3＜14的为耕地。在弹出的【Variable/FilePairings】窗口中将b3选为处理过后的坡度数据Re_Slope。如图2.1.4所示
图2.1.4 建立区分林地和灌木规则
最终建立的决策树规则如图2.1.6所示。
图2.1.5 指定数据源
图2.1.6 规则输入结果
2.2 执行决策树
面板中点击【Options】→【Execute】。在弹出的【Decision Tree】
在【Decision Tree Execution ParameterS】对话框中，设置输出路径，如图决策树运行结果2.2.1是决策树执行完成的结果
图2.2.1 决策树运行结果
在【Decision Tree】面板的空白处右击,选择【Zoom In】，看到每一个类别有相应的统计结果，如图2.2.2所示。
图2.2.2 统计结果
三、 分类后处理
(1）去除分类结果中背景部分。
首先加载分类结果。在窗口中点击【Overy】→【Region of I】,在弹出的【ROI Tool】窗口中点击【File】→【Subset Data via RO1s】
在【Seleput File to Subset via ROI】窗口中选择shp，并将【Mask pixels output of ROI】设置为“Yes”进行掩膜，如图3.1.1所示，最终掩膜结果如图3.1.2所示。
图3.1.1 进行掩膜
图3.1.2 将背景去除后的分类结果
（2）主/次要分析
Majority/Minority分析采用类似于卷积滤波的方法将较大类别中的虚假像元归到该类中。
定义一个变换核尺寸，主要分析用变换核中占主要地位(像元数最多)的像元类别代替中心像元；次要分析（Minority Analysis )，将用变换核中占次要地位（像元数最小）的像元类别代替中心像元。
实验中，通过【Cssification】→【Post Cssification】→【MajoritylMinority Analysis】进行。
在【Majority/Minority Parameters】面板中，选中所有类别，其他参数按照默认，如图3.1.3所示。
图3.1.3 进行主要分析处理
（2）聚类处理
聚类处理是运用数学形态学算子(腐蚀和膨胀），将临近的类似分类区域聚类并进行合并。
分类图像经常缺少空间连续性(分类区域中斑点或洞的存在)。将被选的分类先用膨胀操作合并到一块，然后用变换核对分类图像进行腐蚀操作。
通过【Cssification】→【Post Cssification】→【Clump Csses】，选择经过主要分析后的图像，选择所有类别，数学形态学算子的核大小设为3，点击【OK】即可，如图3.1.4所示。
图3.1.4 进行聚类处理
（3）过滤处理
过滤处理解决分类图像中出现的孤岛问题。过滤处理使用斑点分组方法来消除这些被隔离的分类像元。
类别筛选方法通过分析周围的4个或8个像元，判定一个像元是否与周围的像元同组。如果一类中被分析的像元数少于输入的阈值，这些像元就会被从该类中删除，删除的像元归为未分类的像元(Uncssified )。
实验中，通过【Cssification】→【Post Cssification】→【Sieve Csses】,选择经过聚类处理之后的图像，选择所有类别，【Group MinThreshold】设置为5，点击【OK】，如图3.1.5所示。
图3.1.5 进行过滤处理
最终经过分类后处理的结果图如图3.1.6所示。
图3.1.6 分类后结果
图3.1.7所示为未处理过的图像，图3.1.8为分类处理后的图像。
图3.1.7 未处理 图3.1.8 分类后处理
将部分区域进行对比，发现一些细小的板块聚合成更大的板块，分类效果更好。
四、 分类后处理
接着，通过【Cssification】→【Post Cssification】→【Css Statistics】，进行分类统计。
【Cssification Input File】选择处理后的遥感图像，在【Statistiput File】面板中，选择原始影像。在分类选择【Css Sele】面板中，统计所有分类的信息，在【pute Statistics Parameters】面板勾选【Basic Stats】和【Output to the S，点击OK即可。如图3.1.1所示。
图3.1.1 监督分类统计结果
从【Select Plot】下拉命令中选择图形绘制的对象，如基本统计信息、直方图等。从【Stats for】标签中选择分类结果中的类别，在列表中显示类别对应输入图像文件 DN值统计信息，如协方差、相关系数、特征向量等信息。在列表中的第一段显示的为分类结果中各个类别的像元数、占百分比等统计信息。