ENVI - 知識ベースのデシジョンツリー分類

1。概要

知識ベースの決定木分類は、リモートセンシング画像データおよびその他の空間データに基づいており、専門家の経験の要約、単純な数学的統計および帰納法などを通じて、分類ルールを取得し、リモートセンシング分類を実行します。分類ルールは理解しやすく、分類プロセスも人間の認知プロセスに即しており、最大の特徴はマルチソースデータの使用です。

専門知識決定木分類の手順は、知識（ルール）定義、ルール入力、決定木演算、分類後処理の4つのステップに大別できます。難しいのは、20 度未満の坂は緩やかな坂であるなど、経験の要約からルールを取得することですが、C4.5 アルゴリズム、CART アルゴリズム、 S-PLUSアルゴリズムなど

Landsat TM5 画像とこの領域の対応する DEM データを例として、専門知識に基づいた決定木分類を学習します。

土地利用、植生指数、耕地モニタリング、水質逆転、気温逆転、干ばつモニタリングのトピックを含む、最も体系的なENVI

2. 詳細な操作手順

2.1 ルールの取得

経験と専門知識に基づいて次のルールを取得してください。

クラス 1 (緩やかな傾斜の植生): NDVI>0.3、傾斜 <20
クラス 2 (北向きの急斜面の植生): NDVI>0.3、勾配>=20、90<=アスペクト<=270
クラス 3 (南向きの急斜面の植生): NDVI>0.3、斜面>=20、、アスペクト<90 またはアスペクト>270
クラス4 (水域): NDVI<=0.3、0<b4<20
クラス5 (裸地): NDVI<=0.3、b4>=20
Class6 (データ領域なし、背景): NDVI<=0.3、b4=0

注: このうち、NDVI は正規化された差分植生指数、slope は傾き、アスペクトはアスペクト、bN は N 番目のバンドを表します。

2.2 デシジョンツリーを作成する

(1) まず、分類対象のデータとその他のマルチソースデータを開きます。[ファイル] > [開く] を開き、データフォルダー内の boulder_tm.dat と boulder_dem.dat を選択します (注: boulder_tm.dat は分類される画像であり、boulder_dem.dat は DEM データです)。
(2) 新しいデシジョンツリーツールを開きます。パスはツールボックス/分類/デシジョンツリー/新しいデシジョンツリーです。下の図に示すように、デフォルトで 1 つのノードと 2 つのカテゴリが表示されます。

(3) まず、NDVI に従って植生と非植生を区別します。次の図に示すように、ノード Node 1 をクリックし、ポップアップダイアログボックスにノード名 (Name) と条件式 (Expression) を入力します。

(4) [OK] をクリックした後、次の図に示すように、ポップアップの [変数/ファイルペアリング] ダイアログボックスで {ndvi} のデータソースを指定する必要があります。パネル内の {ndvi} を示すテーブルをクリックし、boulder_tm.dat を選択します。
(5) 注: 選択されたデータには波長情報があるため、ENVI は波長に応じて赤色バンドと近赤外バンドを自動的に識別しますが、波長がない場合は手動でこれら 2 つのバンドを指定する必要があります。

(6) 条件式(Expression)を記述する場合は、演算子や関数名も含めてIDLの文法規則に準拠する必要があります。一般的に使用される演算子と関数を次の表に示します。

表現	利用可能な機能の一部
基本的な演算子	+、-、*、/
三角関数	サイン Sin(x)、コサイン cos(x)、タンジェント Tan(x) 逆正弦 Asin(x)、逆余弦 acos(x)、逆正接 atan(x) 双曲線正弦 Sinh(x)、双曲線余弦 cosh( x) 、双曲線正接tanh(x)
関係/論理	LT 未満、LE 以下、EQ と等しい、NE と等しくない、GE 以上、GT より大きい、または XOR 最大値 (>)、最小値 (<)
他の記号	指数 (^)、自然指数 exp 自然対数 alog(x) 10 を底とする対数 alog10(x) 丸め -round(x)、ceil(x)、fix(x) 平方根 (sqrt)、絶対値 (abs)

(7) ENVI 決定木分類器の変数は、データに作用するバンドまたは特定の関数を参照します。バンドの場合は、bN という名前を付ける必要があります。N は、データの特定のバンドを表す 1 ～ 255 の数字です。関数の場合は、変数名を中括弧で囲む必要があります。つまり、{変数名} ({ndvi} など)。変数がマルチバンドファイルとして割り当てられている場合、変数名にはバンド数を示す角括弧で囲まれた添え字が含まれている必要があります (主成分分析の最初の主成分の場合は {pc[1]} など)。以下の表に示すように、特定の変数名がサポートされており、ユーザーは IDL を通じてカスタム関数を作成することもできます。

変数	効果
スロープ	傾きを計算する
側面	アスペクトを計算する
NDVI	正規化された差異植生インデックスの計算
タスクキャップ[n]	スパイクハット変換、n はどのコンポーネントが取得されるかを示します。
パソコン[n]	主成分分析。n はどの成分が得られるかを示します。
lpc[n]	局所主成分分析。n はどの成分が得られるかを示します。
mnf[n]	最小ノイズ変換。n はどのコンポーネントが取得されるかを示します。
lmnf[n]	局所最小ノイズ変換、n はどの成分が取得されるかを示します。
標準偏差[n]	バンドnの標準偏差
lstdev[n]	バンド n の局所標準偏差
平均[n]	バンド n の平均
意味[n]	バンド n の局所平均
最小[n]、最大[n]	バンドnの最大値と最小値
lmin[n]、lmax[n]	バンド n の極大値と極小値

(8) 第 1 層のノードは NDVI の値に応じて植生と非植生に分類され、それ以上の分類が必要ない場合、画像は class0 と class1 の 2 つのカテゴリに分類されます。

(9) NDVI が 0.3 以上、つまりクラス 1 の場合は、傾斜角に応じて緩斜面植生と急斜面植生に分類されます。class1 アイコンを右クリックし、「子の追加」を選択します。ノード識別子をクリックしてノードプロパティウィンドウを開き、名前を Slope<20 に設定し、式: {Slope} lt 20 を入力します。

(10) 同様にルールをすべて入力し、最後のノードのアイコンで「プロパティの編集」を右クリックすると、分類結果の名前と色を設定でき、最終的な結果は下図のようになります。(注: 自分で入力したくない場合は、[ファイル] > [ツリーの復元…] を選択し、Tree.txt を選択します。)

ノード名	表現
ndvi>0.3	{ndvi} gt 0.3
0≤b4≤20	b4 lt 20 および b4 gt 0
b4 = 0	b4 eq 0
勾配<20	{坂道} lt 20
北	{aspect} lt 90 および {aspect} gt 270

(注: メニューの [オプション] > [変数/ファイルペアの表示] を選択して、パラメーターと変数のデータソースを設定できます。結果は次の図に示されています。)

2.3 実装に関する決定

(1) [オプション] > [実行] を選択して、デシジョンツリーを実行します。マルチソースデータを使用するため、各データの座標系、空間解像度などが異なる場合があります。ポップアップの「デシジョンツリー実行パラメータ」ダイアログボックス (図に示すように) で、出力結果の参照画像を選択する必要があります。ここでは boulder_tm.dat、つまり出力分類の座標系と空間解像度を選択します。結果は boulder_tm.dat と同じです。
(2) 出力パスとファイル名を選択し、「OK」をクリックします。(注: このステップでは空間範囲のトリミングを選択できます。)

(3) ENVI が結果ファイルを自動的に開かない場合は、分類結果を手動で開くことができます。以下に示すように。