实验十 监督分类 图像数字处理.docx

1、实验十 监督分类 图像数字处理 某地区的遥感影像监督分类 实验目的：通过练习，熟练掌握并理解监督分类的方法、评价方法的原理及实现过程，体会在具体应用中的适应性。实验数据：smtm.img实验步骤：1 定义分类模板（1） 在viewer窗口中选择打开smtm.img，在raster options选择fit to frame（2） 单击classifer|classification|signature editor，打开分类模板编辑器（signature editor）（3） 在viewer窗口中打开raster|tools，打开raster工具面板（4） 选择AOI多边形绘制按钮，进入多边形

2、AOI绘制状态，在图像上选择深蓝色区域，绘制一个多边形AOI，在signature editor窗口，单击 按钮，将多边形AOI区域加载到signature editor分类模板属性表中（5） 在图像上继续选择深蓝色区域，再绘制一个多边形AOI，在signature editor窗口，单击 按钮，将多边形AOI区域加载到signature editor分类模板属性表中（6） 用同样的方法加载9个深蓝色多边形AOI（7） 在分类模板属性表中，依次单击这些AOI的class#字段下的分类编号（按住shift键），并单击 ，将所选中的模板合并成一个新的模板，则生成一个新的模板（8） 单击其signa

3、ture name属性进入编辑状态，输入water，单击color属性，选择深蓝色（9） 在signature editor菜单条，单击edit|delete，删除合并前的模板（10） 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）（11） 单击signatureedit|file|save命令，打开保存对话框，确定是保存所有模板(all)，并保存分类模板文件的目录2评价分类模板（1） 分类预警评价1 选中water类别2 在signature editor窗口，选择某类或者某几类模板

4、，单击view|image alarm命令，打开signature alarm对话框3 选中indicate overlap复选框，设置同时属于两个及以上的像元叠加预警显示，点击色框设置为黄色4 点击edit parallelepiped limit|limit|set，设置计算方法（method）：minimum/maximum，并选择使用的模板：current（当前模板）5 设置完成后，单击ok按钮，返回limits对话框，单击close按钮，返回signature alarm对话框，单击Ok按钮执行分类预警评价，形成预警掩膜，单击close按钮，关闭signature alarm对话框6

5、 在viewer窗口，选择utility|flick命令，选择auto mode，speed设为600.7 按照同样的方法分别对forest, farmland, grass类进行预警掩膜，查看准确性（2）可能性评价 选中signature editior属性表中的所有类别 单击evaluate|contingency, 打开contingency matrix对话框，nonparamatric选择feature space, overlap rules选择parametric rule，unclassified rule选择paramatric rule，paramatric rule选择m

6、aximum likehood3 设置完成后，点击ok按钮，便显示分类误差矩阵，若误差矩阵大于85%，结果令人满意。（3）分类的分离性 在模板编辑器中选择water、forest 选择signature editor|evaluate|separability命令，打开signature separability对话框 组合数据层数（layer per combination）选择3，distance meature选择transformed divergence，output form选择ASCII，report type选择complete report 点击ok完成设置，计算其分离性 一

7、次选择其他类的计算分类的分离性。若TD值均大于1700，说明可以分开3 进行监督分类（1） 选择处理图像文件为smtm （2） 在input signature中选择super.img（3） 在classified file中设置输出数据存储路径及其名称，这里为super.img（4） 选中输出分类距离文件为distance file（5） 在non-parametric rule中选择feature space（6） 在overlap rule中选择parametric rule（7） 在unclassified rule中选择parametric rule（8） 在parametric r

8、ule中选择maximum likehood（9） 单击ok，执行监督分类4 结果评价（1） 分类叠加结束监督分类后，在viewer窗口打开smtm.img和super.img，在打开super.img时raster options中去除clear display选项。在viewer窗口，选择utility|flick命令，选择auto mode，speed设为600。检查分类结果的准确性。（2） 分类评估第一步：在视窗中打开原始图像 在Viewer中打开分类前的原始图像，以便进行精度评估。 第二步：启动精度评估对话框 ERDAS 图标面板菜单条：MainImage Classificatio

9、n Classification 或ERDAS 图标面板工具条：点击Classifier 图标Classification菜单 选择Accuracy Assessment菜单项打开Accuracy Assessment对话框第三步：打开分类专题图像 Accuracy Assessment 对话框菜单条：FileOpen 打开Classified Image对话框 在Classified Image对话框中确定与视窗中对应的分类专题图像 OK（关闭Classified Image对话框） 返回Accuracy Assessment对话框 第四步：将原始图像视窗与精度评估视窗相连接 Accurac

10、y Assessment对话框： 工具条：点击Select Viewer图标 （或菜单条：选择View 菜单的Select Viewer） 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 第五步：在精度评价对话框中设置随机点的色彩 Accuracy Assessment对话框： 菜单条View Change Colors菜单项打开Change color面板在Points with no Reference确定没有真实参考值的点的颜色 在Points with Reference确定有真实参考值的点的颜色 OK（执行参数设置） 返回Accuracy Assessmen

11、t对话框第六步：产生随机点 本步操作将在分类图像中产生一些随机的点，随机点产生之后，需要用户给出随机点的实际类别。然后，随机点的实际类别与在分类图像的类别将进行比较。 Accuracy Assessment对话框： Edit Create/Add Random Points 打开Add Random Points对话框在search Count中输入1024 在Number of Points中输入20 在Distribution Parameters选择Random单选框 OK（按照参数设置产主随机点） 返回Accuracy Assessment对话框 可以看到在Accuracy Asses

12、sment对话框的数据表中出现了20个比较点，每个点都有点号、XY坐标值、 Class、 Reference等字段，其中点号、 XY坐标值字段是有属性值的。 第七步：显随机点及其类别 Accuracy Assessment对话框： View. Show All(所有随机点均以第五步设置的颜色显示在视窗中) EditShow Class Values（各点的类别号出现在数据表的class字段中） 第八步：输入参考点的实际类别值 Accuracy Assessment对话框： 在数据表的Reference字段输入各个随机点的实际类别值（只不要输入参考点的实际分类值，它在视窗中的色彩就变为第五步设置

13、的Point With Reference颜色） 第九步：设置分类评价报告输出环境及输出分类评价报告 Accuracy Assessment对话框： Report Options 通过点击确定分类评价报告的参数 ReportAccuracy Report（产生分类精度报告） ReportCell Report（报告有关产生随机点的设置及窗口环境） 所有报告将显示在ERDAS文本编辑器窗口，可以保存为本文件 FileSave Table（保存分类精度评价数据表） Fileclose （关闭Accuracy Assessment对话框） 通过对分类的评价，如果对分类精度满意，保存结果。如果不满意，

14、可以进一步做有关的修改，如修改分类模板等，或应用其它功能进行调整。 5 分类后处理（1）聚类统计（clump）通过计算分类专题图像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clump类组属性。在ERDAS图标面板菜单条中，选择main|image interpreter|GIS analysis|clump命令，或在ERDAS图标面板工具条上点击interpreter图标，选择GIS analysis|clump命令，打开clump对话框，并设置参数：1 选择处理图像文件（Input file）super.img2 定义输出

15、文件（output file）super-clump3 选择文件坐标类型(coordinate type)为map/file4 确定聚类统计邻域大小（connect neighbors）为4（2）去除分析（eliminate）去除分析是用于删除原始分类图像中的小图斑或clump聚类图像的小clump类组，与sieve不同，将删除的小图斑合并到相邻的最大的分类当中。而且，如果输入图像是clump聚类图像的话，经过eliminate后，将小类图斑的属性值自动恢复为clump处理前的原始分类编码。在ERDAS图标面板菜单条中，选择main|image interpreter|GIS analysis

16、|eliminate命令，或者在ERDAS图标面板工具条上点击interpreter图标，选择GIS analysis|eliminate命令，打开eliminate对话框：1 选择处理图像文件（Input file）为super-climp2 定义输出文件（output file）为super-eliminate3 选择文件坐标类型(coordinate type)为map/file4 处理范围5 选择去除分析的图层（select layer）6 选择ignore zero in stats复选框，确定是否忽略输出统计零像元值7 确定最小图斑大小（minimum size）为208 确定输出

17、数据类型为unsigned 4 bit9 单击ok，执行去除分析（3）分类重编码在ERDAS图标面板菜单条中，选择main|image interpreter|GIS analysis|recode命令，或者在ERDAS图标面板工具条上点击interpreter图标，选择GIS analysis|recode命令，打开recode对话框：1 选择处理图像文件（Input file）为super-eliminate2 单击setup recode按钮，打开thematic recode对话框3 选择需要进行重新编码的行，在now value处输入新编码，点击change selected rows，改变原有类别的编码，单击ok确定输出数据类型（output），单击ok按钮，完成设置