影像分类与处理太乐地图.docx
《影像分类与处理太乐地图.docx》由会员分享，可在线阅读，更多相关《影像分类与处理太乐地图.docx（12页珍藏版）》请在冰豆网上搜索。
影像分类与处理太乐地图
影像解译
——监督分类与矢量化结合
一、ENVI部分
1.加载影像
如若出现img格式图像无法加载，可选择转换为tiff格式；或者是投影的问题。
使用合适的波段合成，如432波段顺序显示为假彩色，植被区域都是红色的，很容易区分植被和非植被区域。
如果植被区域在山上，基本上是草植被区域在平原或者沟谷，有规则的条状就是耕地。
2.选择样区
（1）利用先验知识判断影像，区分有几类地物，并根据地物分布复杂度选择训练样区。
（2）在这里需要注意的是，道路与居民地无法较为准确分类或效果不好，我们采用的方法是暂不进行监督分类，在后面的矢量化过程中对道路进行线化和缓冲区处理，居民地则人为勾画区域。
（3）云和云阴影是需要分类出来的，只不过在最后的过程中需要将云及其阴影下覆盖的地物通过天地图或者谷歌地球等矢量化出来。
图1.1样区选择
3.监督分类
选择工具SupervisedClassification→MaximumLIkelihoodClassification
图1.2最大似然法监督分类
图1.3分类结果
3.裁剪影像
（1）在监督分类的过程中即可进行裁剪，这样做出来的结果不包含背景值
图1.4构建掩模文件
图1.6监督分类进行中
图1.7分类结果（不包含背景值）
（2）在ENVIClass中通过边界进行裁剪
图1.8边界裁剪
（3）在ArcMap中通过掩模工具进行裁剪
（4）用高分一号裁剪插件进行裁剪
4.图斑处理
应用监督分类或者非监督分类以及决策树分类，分类结果中不可避免地会产生一些面积很小的图斑。
无论从专题制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除或重新分类，目前常用的方法有Majority/Minority分析、聚类处理（clump）和过滤处理（Sieve）
在工具中选择PostClassification→Majority/MinorityAnalysis、clumpclasses、Sieveclasses共同对分类后影像进行处理。
监督分类
Majority/MinorityAnalysis
clumpclasses（聚类处理）
Sieveclasses（过滤处理）
表1.1小图斑处理过程比较
5.格式转化
（1）将处理后结果转成evf格式
选择工具ClassificationtoVector
图1.9对图斑处理结果格式转化
图1.10格式转化中
（2）将evf转成shp格式
选择工具ClassicEVFtoShapefile
二、ArcMap部分
1.插件准备
将太乐地图安装好之后，在Customize→CustomizeMode→AddfromFile中添加插件。
其添加路径C:
//ProgramFiles→ArcTier→Plugin→1.6→ArcTiler.dll
图2.1添加插件
2.影像加载
在如下图所示的属性框中更改波段，进行假彩色合成，有利于影像处理。
图2.2波段合成
3.图层分层
根据属性表将在ENVI中转换成shp格式的图层分类输出，即将地物分层。
在属性表中选择SelectbyAttributes,分别选择地物。
然后右击shp图层导出图层。
图2.3地物分层
4.图层修改
（1）道路
在监督分类过程中，道路无法处理，所以选择在图层中进行矢量化，然后进行缓冲。
图2.4对道路进行缓冲区处理
与道路类似的要素还有居民地，一般需要人工绘制。
（2）河流
对河流进行手动修改和连接，需要注意的是河流必须是联通的，不能断。
在后面的步骤中会用道路对河流进行更新，在该情况下，河流会出现断流。
但这也是平面图形的不足之处，必须确保道路在河流之上。
（3）草地、裸土、裸地
这三类是范围比较大的地物，其修改过程是将小图斑进行合并删除，对地物也可以进行补充。
根据实际地物对其修改，部分会选择将正确的删除，将其他地物合并为该地物，也就是化零为整。
图2.5部分修改后的地物
5.更新擦除
其原理是用较为准确的地物去更新相对不准确的，确保没有漏下的栅格，或者重复绘制的栅格。
如该景影像有7类地物，草地、裸土、裸岩、水系、居民地、耕地、道路，其中道路和居民地是人为绘制，草地、裸土、裸岩、水系等是在监督分类的基础上进行人为修改。
一般对裸土、裸地、草地进行更新，将水系和道路排在后面。
最终将所有地物更新到同一图层上。
其中，为了减少工作量，我们可以将其中一类地物留到后面，用擦除的方法获得最终结果。
使用工具ArcToolbox→AnalysisTools→Overlay→Update/Erase
图2.6最终结果
升级会员 