某地区的遥感影像分类副本Word格式.docx

某地区的遥感影像分类副本Word格式.docx

《某地区的遥感影像分类副本Word格式.docx》由会员分享，可在线阅读，更多相关《某地区的遥感影像分类副本Word格式.docx（16页珍藏版）》请在冰豆网上搜索。

由于人为干预较少，非监督分类过程的自动化程度较高。

（1）在ERDAS图标面板工具条中点击Classifier图标

→C1assification→UnsupervisedClassification---→unsupervisedclassification

对话框如下：

→确定输入文件（InputRasterFile）:

smtm.img（要被分类的图像）

→确定输出文件（OutputFile）:

unsuper.img（即将产生的分类图像）

→选择生成分类摸板文件：

OutputSignatureSet（将产生一个模板文件）

→确定分类摸板文件（Filename）:

unsuper.sig

→对Clusteringoptions选择InitializefromStatistics单选框

InitializefromStatistics指由图像文件整体（或其AOI区域）的统计值产主自由

聚类，分出类别的多少由自己决定。

→确定初始分类数（Numberofclasses）:

10（本练习中最终要分出5种类型的地物），

实际工作中一般将分类数取为最终分类数的2倍以上。

→定义最大循环次数（MaximumIterations）：

12（确保循环次数）

→设置循环收敛阈值（ConvergenceThreshold）：

0.95

收敛阈值（ConvergenceThreshold）是指两次分类结果相比保持不变的像元所占最

大百分之此值的设立可以避免ISODATA无限循环下去。

→点击OK按钮（关闭UnsupervisedClassification对话框，执行非监督分类，获得

一个初步的分类结果

6监督分类

监督分类比非监督分类更多地要求用户来控制，常用于对研究区域比较了解的情况。

在

监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然

后基于该模板使计算机系统自动识别具有相同特性的像元。

对分类结果进行评价后再对模板

进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。

（1）定义分类模板

A：

显示需要进行分类的图像

在Viewer窗口中选择打开smtm.img，在RasterOption中选择FittoFrame，

B：

ERDAS图标面板工具子，点击C1assifier→Classification→SignatureEditor，打开分类模板编辑器SignatureEditor。

C：

在Viewer窗口中点击

，打开Raster工具面板。

D：

选择

按钮，进入多边形AOI绘制状态，在视窗中选择深蓝色区域，绘制一个多边形AOI，在SignatureEditr对话框，点击

图标，将多边形AOI区域加载到Signature分类模板中。

E：

重复上述操作过程，用同样的方法加载9个深蓝色多边形AOI。

F：

在SignatureEditor对话框中，将该类的Signature全部选定，然后点击合并图标

，这时一个综合的新模板生成，单击其Signature属性进入编辑状态，输入water，点击color属性，选择深蓝色，在SignatureEditor菜单条，单击Edit/delete，删除合并前的模板。

G：

在图像上继续选择多个砖红色区域AOI（farmland），赭色区域AOI（forest），绿色区域AOI（grass）浅蓝色区域AOI（resident）。

H：

保存模板（super.sig）

（2）评价分类模板（分类预警评价，可能性评价，分类的分离性）

分类预警评价

A：

选中water类别

B：

单击View→ImageAlarm→打开SignatureAlarm对话框→选中IndicateOverlap，设置同时属于两个或以上的像元叠加预警显示，点击色框设置为黄色。

C：

点击EditParallelepipedLimits按钮→Limits对话框→点击SET按钮

→打开SetParallelepipedLimits对话框

→设置计算方法（Method）:

Minimum/Maximum

→选择使用的模板（Signature）:

Current

→OK（关闭setParallelepipedLimits对话框）

→返回Limits对话框

→Close（关闭Limits对话框）

→返回SignatureAlarm对话框

→OK（执行报警评价，形成报警掩膜）

→Close（关闭signatureAlarm对话框）

D：

根据SignatureEditor中指定的颜色，选定类别的像元显示在原始图像视窗中，并覆盖在原图像之上，形成一个报警掩膜

结果如上图所示，发现resident面积过大，于是按照同样的方法选择AOI、删除、合并再应用分类预警评价检验模板的准确性。

最终结果如下：

可能性评价

选中SignatureEditor属性表中的所有类别。

单击Evalute/Contingency，打开ContingencySignatureEditor属性表中的所有类别。

单击Evalute/Contingency，打开ContingencyMatrix对话框，Non-parametricRule选择FeatureSpace，OverlapRules选择ParametricRule，UncalssifiedRule选择ParametricRule，ParametricRule选择MaximumLikehood。

设置完成后，点击OK按钮，便显示分类误差矩阵，其结果如图3.3所示（…chg4\ex1\super\contigency）。

从分类误差的总体百分比来看，误差矩阵值大于85%，这个结果是令人满意的。

（如下图：

误差矩阵）

误差矩阵图

分类的分离性

在模板编辑器中选择water、forest。

选择SignatureEditor/Evaluate/Separability命令，打开SignatureSeparability对话框。

组合数据层数（LayersPerCombination）选择3，DistanceMearsure选择TransformedDivergence，OutputForm选择ASCII，ReportType选择CompleteReport。

D：

点击OK按钮完成设置，计算其分离性，结果如下图所示

依次选择其他的类计算分类的分离性。

本试验中TD的值均大于1700，则说明类可以分开，模板可以使用。

Water和Farmland的分离性结果

（3）进行监督分类

完成以上步骤后便可以进行监督分类，步骤如下：

选择处理图像文件（InputRasterFile）为：

smtm.img。

在InputSignature中选择super.sig。

在ClassifiedFile中设置数据存储路径及名称，这里为super.Img。

选中输出分类距离文件为DistanceFile。

在Non-ParametricRule中选择FeatureSpace。

在OverlapRule中选择ParametricRule。

.

在ParametricRule中选择MaximumLikelihood。

单击OK按钮，执行监督分类。

（4）结果评价（非监督分类与监督分类都是采用以下步骤进行评价）

第一步分类叠加

结束非监督/监督分类后，在Viewer窗口打开smtm.img和super.img，在打开super.img时RasterOptions中去除ClearDisplay选项。

在Viewer窗口，选择Utility/Flick命令，选择AutoMode，Speed设为600。

检查分类结果的准确性。

第二步精度评估

在Viewer中打开分类前的smtm.img。

选择Main/ImageClassification/Classification/AccuracyAssessment命令，点击SelectViewer

按钮，将光标在显示有原始图像的视窗中点击一下，原始图像视窗与精度评估视窗相连接。

打开分类专题图像

AccuracyAssessment对话框菜单条：

File→Open

→打开ClassifiedImage对话框

→在ClassifiedImage对话框中确定与视窗中对应的分类专题图像

→OK（关闭ClassifiedImage对话框）

→返回AccuracyAssessment对话框

在精度评价对话框中设置随机点的色彩。

在AccuracyAssessment对话框中，菜单条View/ChangeColors/Changecolor面板，在PointsWithnoReference确定没有真实参考值的点的颜色，在PointsWithnoReference确定有真实参考值的点的颜色，设为红色，单击OK按钮（执行参数设置），返回AccuracyAssessment对话框。

产生随机点。

在AccuracyAssessment对话框，选择Edit/AddRandomPoints，打开AddRandomPoints对话框。

在SearchCount中输入确定随机点过程中使用最多分析像元数，这个数目一般都比NumberOFPoint大很多；

在NumberOFPoint输入15；

在DistributionParmeters选择Random。

单击OK按钮，返回AccuracyAssessment对话框。

在AccuracyAssessment对话框，选择View/ShowAll，所有随机点均以设定的颜色显示在视窗中。

Edit/ShowClassValues，各点的类别出现在数据表的class字段中。

E：

输入参考点的实际类别值。

在AccuracyAssessment对话框中，在数据Reference字段输入各个随机点的实际类别值。

F：

设置分类评价报告输出环境及输出分类评价报告。

AccuracyAssessment对话框中Report/Options，通过点击确定分类评价报告的参数。

Report/AccuracyReport，产生分类精度报告。

Report/CellReport，报告有关产生随机点的设置及窗口环境。

有报告将显示在ERDAS文本编辑器窗口，可以保存为文本文件。

（5）分类后处理

聚类统计

聚类统计（Clump）是通过地分类专题图像计算每个分类图斑的面积、记录相邻区域中最

大图斑面积的分类值等操作，产生一个Clump类组输出图像，其中每个图斑都包含C