【ENVI入门系列】12.基于专家知识决策树分类
分享
-
2016-06-05
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
（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
（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
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
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d0102v22m.html
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：
- Class1（缓坡植被）:NDVI>0.3, slope<20
- Class2（朝北陡坡植被）：NDVI>0.3, slope>=20, 90<=aspect<=270
- Class3（朝南陡坡植被）：NDVI>0.3, slope>=20, , aspect<90 或 aspect>270
- Class4（水体）：NDVI<=0.3, 0
- Class5（裸地）：NDVI<=0.3, b4>=20
- Class6（无数据区，背景）: NDVI<=0.3, b4=0
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
（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
（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
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
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d0102v22m.html
