实验二监督分类.docx

实验二监督分类.docx

《实验二监督分类.docx》由会员分享，可在线阅读，更多相关《实验二监督分类.docx（13页珍藏版）》请在冰豆网上搜索。

实验二监督分类

实验二、监督分类

步骤一合成NDVI。

1、打开ERDASIMAGINE9.1软件。

点击“Viewer”打开“Viewer#1”视图框。

2、点击

加载实验一中的成果图“chengguo.img”。

3、点击“Interpreter”，下拉“ImageInterpretation”，点击“SpectralEnhancement”下拉“Spectral…”，点击“Indices”弹出“Indices”对话框。

4、在“Indices”对话框内设置。

在“InputFile”选框内选择“chengguo.img”文件，

在“Output”选框内选择存放的目标文件，并在框内命名为“ndvi.img”，

在“Sensor”框内选择“LandsatTM”，

在“StretchtoUnsigned8bit”前面打勾。

点击OK。

结果用“View#2”打开如图：

步骤二融合多种特征。

5、融合多种特征。

点击“Interpreter”，下拉“ImageInterpretation”，点击“Utilitees….”下拉“Utilitees….”，点击“LayerStack”弹出“LayerSelectionandStacking”对话框。

6、在“LayerSelectionandStacking”对话框内设置。

“InputFile”框内添加“chengguo.img”文件，

在“Layer”框内选择“All”，点击“Add”。

在“InputFile”框内添加“ndvi.img”文件，在“Layer”框内选择“All”，点击“Add”。

接着，“OutputFile”框中指定生成的文件所在的位置和名称：

“nanhu_duozhongtezheng.img”，点击OK。

7、成果用“Viewer#3”打开，如下图：

8、点击Viewer中的

打开“ImageInfo”对话框，融合特征后的图片有5个波段，如图所示：

步骤三样本的选择。

9、选择样本。

点击工具“Classifier”下拉“Classification”，选择“SignatureEditor”，弹出“SignatureEditor”对话框。

10、下拉Viewer中的AOI菜单，点击Tool，打开AOI工具栏，点击

在图中选取样本，以下共对公路共选了4个样本。

每选好一个样本后，点击“SignatureEditor”框里面的

，把样本加到框中。

如下图：

11、合成一个样本。

选中4个样本，下拉“SignatureEditor”框的“Edit”菜单，点击“Merge”，把原来的4个样本删除。

结果如图：

12、以同样的方法确定公路、水域、农用地、未利用地、建筑物1、建筑物2、建筑物3等七类。

把每一类的“Value”调为1至7。

结果如图：

13、保存。

在“File”下点击“Save”保存“SignatureEditor”，文件名为“se.sig”。

14、选择的样本位置如图：

步骤四生成误差矩阵。

15、在“SignatureEditor”点击“Evaluate”，选择“Separability”，弹出“SignatureSeparability”对话框，选择“Euclidean”“CellArray”并把“UseClassProbabilities”勾上。

点击OK。

弹出“SeparabilityCellArray”对话框。

如图所示:

16、在“SignatureEditor”点击“Evaluate”，选择“Contingency...”，弹出“ContingencyMatrix”对话框，做如下设置，并点击OK。

自动生成ERRORMATRIX，带有百分比的误差矩阵：

步骤五修正误差。

17、从上面的误差矩阵可以看出，building1、building2、building3都并不符合85%以上的要求，因此把他们的数据删掉重新选取样本，在进行评价。

重复以上操作，可得：

从修改过后的样本得出的误差矩阵可以看出，所有的地物都符合85%以上的要求了。

Color处按常理设上颜色，如图：

步骤六取散点。

18、下拉“Classifier”工具，选择“SupervisedClassification…”，弹出“SupervisedClassification”窗口，进行相应设置：

在“InputRasterFile”框内选择“nanhu_duozhongtezheng.img”文件；在“ClassifiedFile”框内选择输出的结果文件，命名为“nanhu_fenleijieguo.img”文件；在“InputSignatureFile”框内选择之前保存的“se.sig”文件；在“DistanceFile”前打勾，在“Filename”中选择保存的位置并命名为“distan.img”；在“FuzzyClassification”前打勾，在“BestClassesPerPixel”前选择6；在“Non-parametricRule”选择“FeatureSpace”；在“UseProbabilities”前打勾。

点击OK。

生成分类结果图。

如下图所示：

进行评价。

下拉“Classifier”工具，选择“AccuracyAssessment”，打开“AccuracyAssessment”窗口，在此窗口中打开分类结果图。

先点击

，出现

窗口，再点击“duozhongtezheng.img”文件，使分类结果图和“duozhongtezheng.img”文件相关联。

19、在“AccuracyAssessment”窗口下点击“Edit”，选择“Create/AddRandomPoints…”，弹出“AddRandomPoints”，在“NumberofPoints”选择20。

点击OK随机生成20个点，如下图所示：

20、点击“View”选择“ShowAll”，再选择“ChangeColors…”，出现“ChangeColors”窗口，如下图所示，选择所需要的颜色，点击OK随机生成的20个点便显示在“nanhu_duozhongtezheng.img”中，如下图所示：

21、点击“Edit”，选择“ShowClassValues”，“Class”这一列的值都显示出来。

22、根据之前设定的“Value”值来评价和填列“Reference”这一列的内容。

具体步骤：

填到那一个点，点选定该点，再在“View”下选择“ShowCurrentSelection”即可显示该点的位置，直至把20个点都完成。

步骤七生成误差。

23、完成后点击“Report”，选择“AccuracyReport…”即可生成误差矩阵。

如下图所示：