ERMapper操作手册分类.docx

ERMapper操作手册分类.docx

《ERMapper操作手册分类.docx》由会员分享，可在线阅读，更多相关《ERMapper操作手册分类.docx（10页珍藏版）》请在冰豆网上搜索。

ERMapper操作手册分类

第十三章

第十三章、非监督分类

非监督分类

非监督分类在基本类别上定义一些参数，像分类数目，标准偏差，等等。

。

并要求软件聚集相似光谱讯号的像素并分类为你想要分类的类别的数目。

它对你不知道或者不曾到过地区的处女地区的数据是好的。

虽然不是必需，你能显示一个RGB（SWIR，NIR，VisBlue）图像，RGB741得到一个植被，水和裸地地区分布的TM。

在运行非监督分类之前你需要计算数据集的统计。

在运行非监督分类之后，每个类别被指定给一个整数数目，举例来说，类别1将会被指定（DN）1，类别号2对DN2，类别3对DN3，类别n分配DNn。

那些类别显示在非监督分类图像上，一个类别被指定一种颜色。

在这一练习中使用$ERMAPPER/examples/Shared_Data目录Landsat_TM_year_1985.ers。

1.产生一个干净的数据

2.计算数据集的统计数值

3.显示RGB741颜色组合

4.实行非监督分类

5.分配颜色到classses

6.在一个类别显示层中显示非监督图像

1.产生一个干净的数据

（在做练习之前关闭所有的图像窗口）

1.复制$ERMAPPER/examples/Shared_Data目录Landsat_TM_year_1985.ers到$ERMAPPER/examples/Miscellaneous/Tutorial目录。

（这一步是为什么？

？

？

？

）

2.在一个文字编辑器中（例如WordPad）显示在Tutorial目录中数据集Landsat_TM_year_1985.ers的头文件， 并删除下列行。

从-->RegionInfo开始直到-->RegionInfo结束，删除他们，然后保存.产生没有任何区域信息的数据集头文件的一个新的数据集。

？

？

？

？

？

？

？

？

2.计算数据集的统计数值（没成功？

？

？

）

1.在主菜单窗囗中选择Process-->CalculateStatitics...选项。

2.出现CalculateStatitics对话框。

载入Landsat_TM_year_1985.ers数据集。

对于次采样间隔输入1，每个像素的类型将会被考虑。

点击ok按钮并计算数据集的统计数值。

3.显示RGB741颜色组合

1.主菜单窗囗中点击打开按钮

2.在打开对话框中选择Tutorial目录的Landsat_TM_year_1985.ers。

双击或者ok，并显示RGB321图像。

3.改变波段从321到741

4.点击99%增强按钮，并提高图像。

5.你有一个RGB741颜色组合，红色（TM7=SWIR）显示粘土，绿色（TM4=NIR）显示植被，（TM1=Vis蓝色的）显示金属土壤。

4.实行非监督分类

1.在主菜单窗囗点击Process-->Classification-->ISOCLASSUnsupervisedClassification....

2.在非监督分类对话框中选择Tutorial目录的Landsat_TM_year_1985.ers。

选择波段1-5和7。

定义输出文件名为Landsat_TM_year_1985_10classes.ers，其他参数为默认值。

3.点击ok按钮并启动非监督分类。

4.它将会处理并聚集与10个类别类似的光谱讯号。

一旦98%的所有输入波段被考虑，确保10类，重复将会退出。

5.分配颜色到classses

1.在主菜单窗囗点击Edit-->EditClass/RegionColorandName...

2.在EditClass/RegionDetails对话框选择Landsat_TM_year_1985_10classes.ers。

10个类别将会被显示，分配不同颜色。

点击Setcolor按钮，分配颜色到每个类别。

点击保存按钮把10个类别的颜色保存。

6.在一个类别显示层中显示非监督图像:

1.在主菜单窗囗点击New按钮，显示一个新的窗囗。

2.点击打开按钮并显示Landsat_TM_year_1985_10classes.ers数据集。

3.调用Algorithim窗囗并改变层类型为分类显示。

4.显示10个类别的分类图像。

#注意:

-在非监督分类方面，显示一个图像（如RGB741）不是必需的。

你能跳过这一个步骤并执行非监督分类。

-当你显示分类图像时，需要使用类别显示层。

-当你知道表面覆盖类型的时候，键入一个名字定义类别。

举例来说，定义类别1为水等等。

-你也能改变类别的颜色。

-在做每个变化后不要忘记把变化保存。

第十四章

第十四章、监督分类

监督分类

对于监督分类，需要定义分类类别训练区，首先需要计算整个图像类别的训练区的统计值。

在ERMapper中，基本上监督分类有三个类型（i）Parallelepiped，（ii）MinimumDistancetoMean（iii）MaximumLikelihood和其他一些子种类。

这一练习将使用MaximumLikelihood分类一个TM数据（在Tutorial目录保存的Landsat_TM_year_1985.ers）。

执行Unspuervised分类（早先的），并在Tutorial目录中产生一个干净的TM数据（Landsat_TM_year_1985.ers）并把它保存.

在监督分类方面，显示一个图像是必需的，举例来说RGB（SWIR，NIR，VisBlue）TM图像的RGB741，所以你得到一个植被，水和裸地地区在哪里的特点。

然后你需要定义训练地区。

训练地区名字和颜色被定义到最终类别。

你需要在运行监督分类之前计算数据集（由于训练地区）的统计学。

监督分类每个类别已经分配到一个整数数目。

你也在一个类别显示层中显示监督图像。

1.显示RGB741颜色组合

2.定义训练地区类别

3.计算数据集的统计数值

4.运行监督分类

5.在一个类别显示层中显示监督分类图像

（在做练习之前关闭所有的图像窗口）

1.显示RGB741颜色组合

1.主菜单窗囗中点击打开按钮。

2.在打开对话框中选择Tutorial目录的Landsat_TM_year_1985.ers。

双击或者ok并显示RGB321图像

3.改变波段从321到741

4.点击99%增强按钮并提高图像。

5.你有一个RGB741颜色组合，红色（TM7=SWIR）显示粘土，绿色（TM4=NIR）显示植被，（TM1=Vis蓝色的）显示金属土壤。

2.定义训练地区类别

1.主菜单窗囗中点击AnnotateVectorLayer按钮。

2.在NewMapComposition对话框中选择RasterRegion，点击ok。

3.在工具对话框中双击Polygon按钮。

4.定义水体训练地区:

在LineStyle对话框中为第一个训练地区（水）选择一种颜色。

为水选择蓝色。

放你的光标在黑暗的地区（水），并点一下鼠标左键，定义水训练地区。

当水是均质时，能定义大的训练地区。

在最后的点上双击鼠标左键并关闭多边形。

在工具对话框上，已经定义你的水训练地区，点击ABC按钮，调用MapCompositionAttribute对话框。

把你的光标放在窗囗（大的电文回答地区）的较低部份并输入water（水）并点击应用按钮。

名字water（水）将会被附到区域（训练地区）中。

5.定义草地训练地区:

使用缩放光标，缩放进入绿色的草地，公园地区

-在工具对话框中双击Polygon按钮，并选择红色，以便你能见到该多边形.（之后改变到绿色）

-定义训练地区2。

（在公园的每一边）

-使用箭光标选择那两个训练地区，并在两个训练区周围画一个方格。

被选择的图形每个节点高亮显示

-点击ABC按钮，调用MapCompositionAttribute对话框

-把你的光标放在窗囗较低部份，并输入grass，点击ApplyAll按钮。

名字（grass）被附到两个草地训练地区。

6.定义其他类别训练地区:

森林（暗绿色地区），都市（紫色地区），裸地（白色地区），撒沙（粉红地区）.

7.在定义训练区之后，在工具对话框上点击SaveFile，在数据集的头文件中把训练地区保存。

3.计算数据集的统计数值

1.选择主菜单窗口Process-->CalculateStatitics...选项

2.出现CalculateStatitics对话框.载入Landsat_TM_year_1985.ers数据集，Subsamplinginterval键入：

1，每个像素中将会被考虑。

选择Forcerecalculatestats选项，点击OK按钮并计算数据集的统计数值。

4.执行监督分类

1.在主菜单窗囗中点击Process-->Classification-->SupervisedClassification....

2.在监督分类对话框上选择Tutorial目录的Landsat_TM_year_1985.ers。

选择波段1-5和7。

在相同的目录中把它保存为Landsat_TM_year_1985_supervised_classes.ers。

3.

在监督分类对话框上点击Setup按钮，调用SupervisedClassificationSetup对话框。

你将会注意你的训练区信息被显示，EqualPriorProbability画勾号，类别被假定有相等的范围。

概略估计，假设森林只有8%，然后因为BayesianPriorProbability在0.08，其他类别将再次被调整

4.如果你点击ClassificationType按钮，将会出现不同类型的下拉列表。

你能选择任何一个。

对于这一练习，我们使用MaximumLikelihoodEnhanced方法。

每种方法有不同的监督分类技术和不同的原则

5.关闭SupervisedClassificationSetup对话框。

将会回到SupervisedClassification对话框。

点击OK按钮并启动监督分类

5.在一个类别显示层中显示监督分类图像

1.在主菜单窗囗点击New按钮，并显示一个新的窗囗。

2.点击Open按钮并显示Landsat_TM_year_1985_supervised_classes.ers数据集。

3.调用Algorithim窗囗并改变层类型为ClassDisplay.

4.显示定义训练地区的分类图像

5.注意分类图像显示都市地区在类别之上。

你能定义训练地区，对于较多类别产生训练地区并改善监督分类。

#注意:

-定义训练地区越细致，准确度越好

-通常，MaximumLikelihood方法比Parallelepiped和MinimumDistancetoMean要好。

然而，它需要依据选择的地区。

有时简单的技术如Parallelepiped可能给你非常好结果。

-可以通过Edit-->EditClass/RegionColorandName