遥感实验报告10.docx

遥感实验报告10.docx

《遥感实验报告10.docx》由会员分享，可在线阅读，更多相关《遥感实验报告10.docx（15页珍藏版）》请在冰豆网上搜索。

遥感实验报告10

实验10遥感图像分类——监督分类

一、实验目的

掌握在ERDAS中进行监督分类的操作方法；掌握对分类进行精度评估的方法。

二、实验内容

1.定义分类模板

（1）显示需要进行分类的图像。

（2）打开模板编辑器并调整显示字段。

首先在viewer中打开要进行分类的TIFF文件

在主菜单中选择Classification—signatureeditor，出现SignatureEditor对话框。

在弹出的对话框中点击View–colums

如上图，将3（Red）4（Green）5（Blue）三项取消选中，然后点击apply

（3）获取分类模板信息

利用AOI工具选择训练样区，将AOI区域加载到Signature分类模板中。

并定义该训练样区所代表的分类类别的名称（SignatureName）和该类别在分类后图像中的颜色（Color）。

重复上述操作过程以多选择几个区域AOI，并将其作为新的模板加入到SignatureEditor当中，同时确定各类的名字及颜色。

如果对同一个专题类型（如水体）采集了多个AOI并分别生成了模板，可以将这些模板合并，以便该分类模板具多区域的综合特性。

（4）保存分类模版信息。

在viewer1中点击AOI-tools

选择多边形

然后在图上的不同地区（同一类别）选取一个或多个多边形，如下图

每选择一个，在edit中点击add添加

然后将三个合成一个，并将原来的三个删掉

最后将新生成的命名为该类的名称，如water

按照如上步骤，总共分九类，如下图：

点击File–save，保存文件

2.评价分类模板

在对遥感影像做全面分类之前，对所选的训练区样本是否典型以及由训练区样本所建立起来的判别函数是否有效等问题并无足够的把握。

因此，通常在全面分类之前，先仅用训练区中的样本数据进行试分类，即分类模版的评价。

1、可能性矩阵评价该分类

选择Evaluate-contingency

点击Ok，输出分类误差矩阵（混淆矩阵）

2、分离性评判

选择Evaluate-separability

共有四种方式：

欧式光谱距离（Eucidean）

分类分离度（Divergence）

转换分离度（TransformedDivergence）

Jefferies距离（JefferiesMatusita）

这里选择第三种：

转换分离度

可见1（water）与8（tree）的分离度最差（未达到2000）

正式进行监督分类

在主菜单选择Classifier-supervisedclassification

然后点击OK

4.分类精度评估

执行了监督分类之后，需要对分类精度进行评估。

分类精度评估是将专题分类图像中的特定像元与已知分类的参考像元进行比较，实际工作中常常是将分类数据与地面真值、先前的试验地图、航空像片或其它数据进行对比。

1、分类叠加

Utility-swipe

可见只有一个波段，为黑白图像

精确性评估

选择Classification-accuracyassessment

在file中打开分类后的jdfl.img文件

在view中点击seletviewer

Editor-createrandompoints

对照viewer1中的图将reference中的值全部填上

然后点击report-accurcyreport

总精度只有75%（<85%），不合格，所以应重新分类

如果分类合格，点击vector-rastertovector，最后得到专题图