实验三 遥感图像分类

《实验三 遥感图像分类》由会员分享，可在线阅读，更多相关《实验三 遥感图像分类（3页珍藏版）》请在金锄头文库上搜索。

1、实验三实验三 遥感数字图像分类遥感数字图像分类(4 课时课时)实验目的：通过本次实验，要求学生掌握对遥感数字图像进行分类的方法。在具体图像分类的过程中，深刻体会解译标志的选择，使用，判读的全过程。实验方法：利用 ERDAS 软件进行遥感图像的非监督类分、监督分类。实验步骤：一、非监督分类1.启动非监督分类模块，进行初始分类在 ERDAS 软件中，点击 Classifier 图标下 C1assification /Unsupervised Classification ，进入 unsupervised classification 模块以及相应的对话框： 设置对话框参数： （1）确定输入文件（I

2、nput Rster File）：germtm.img（未分类图像） （2）确定输出文件（Output File）：unsupervised.img（产生的分类图像） （3）选择分类模板文件（Output Signature Set FileName）：unsupervised.sig （4）确定聚类参数（Clustering Options） ，需要确定初始聚类方法和分类数目，系统 提供的初始聚类方法有两种： Initialize from Statistics 方法是按照图像的统计值产生自由聚类。 Use Signature Means 方法是按照选定的模板文件进行非监督分类。 （5）确定

3、分类数为 10（分出 10 个类别） 。实际工作中一般将初始分类数取为最终分 类数的两倍以上。 （6）通过 Initializing Options 按钮，设置 ISODATA 的一些参数。 （7）通过 Color Scheme Option 按钮，设置分类图像彩色属性。 （8）确定处理参数（Processing Options） ，需要确定循环次数与循环阈值。 （9）定义最大循环次数（Maximun Iterations）为 24（指 ISODATA 重新聚类的最多 次数，是为了避免程序运行时间太长或由于没有达到聚类标准而导致的死循环，一般设为 6 以上） 。 （10）设置循环收敛阈值（Co

4、nvergence Threshold）为 0.95（指两次分类结果比较保 持不变的像元所占的最大百分比） 。 （12）单击 ok，进行初始分类。 2.分类后处理 若结果比较满意，则可结束非监督分类。反之，还需要进行分类后处理，如聚类统计， 过滤分析，去除分析，分类重编码，合并等。二、监督分类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。在 ERDAS 中，点击 C1assifier/Signature Editor 菜单项，出现 Signature Editor 对话 框。 （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

5、 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（Signature Name）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 Signature Editor 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。 2.执行监督分类 在监督分类过程中，用于分类决策的规则是多层次的，如对非参数模板有特征空间、 平行六面体等方法，对参数模板有最大似然法、Mahalanobi

6、s 距离、最小距离等方法。当然， 非参数规则与参数规则可以同时使用，但要注意应用范围，如非参数规则只能应用于非参 数型模板，对于参数型模板，要使用参数型规则。另外，如果使用非参数型模板，还要确 定叠加规则（Overlay rule）和未分类规则（unsupervised rule） 。 基本过程是：在 ERDAS 软件的 Classifier/Classification/Supervised Classification 对话框 中，需要确定下列参数： 确定输入原始文件（Input Raster File） 定义输出分类文件（Supervised File）： Supervised.img

7、确定分类模板文件（Input Signature File） 选择输出分类距离文件：Distance File（用于分类结果进行阈值处理） 定义分类距离文件（Filename）：tm_distance.img 选择非参数规则(Non_parametric Rule)：Feature Space 选择叠加规则(Overlay Rule)：Parametric Rule 选择未分类规则(Unsupervised Rule)：Parametric Rule 选择参数规则(Parametric Rule)：Maximum Likelihood 不选择 Supervised zeros（分类过程中是否包

8、括 0 值） 设置完成后执行监督分类。分类完成后，打开分类图像（Supervised.img） 3.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、航空像片或其他数据进行对比。下面是具体的操作过程： （1）在视窗中打开原始图像。 （2）在 Classifier /Classification 菜单中，选择 Accuracy Assessment 菜单项，进入精度 评估模块。 Accuracy Assessment 对话框中显示了一个精度评估矩阵（Accura

9、cy Assessment Cellarray） 。精度评估矩阵中将包含分类图像若干像元的几个参数和对应的参考像元的分类值。这个矩阵值可以使用户对分类图像中的特定像元与作为参考的已知分类的像元进行比 较，参考像元的分类值是用户自己输入的。矩阵数据存在分类图像文件中。 （3）打开分类专题图像。在 Supervised Image 对话框中打开与视窗中对应的分类专题 图像。 （4）将原始图像视窗与精度评估视窗相连接。 （5）在精度评价对话框中设置随机点的色彩。 （6）产生随机点。本步骤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

10、的类别将进行比较。 （7）显示随机点及其类别。在 Accuracy Assessment 对话框中，点击 View/Show All(所有随机点均以第五步设置的颜色显示在视窗中)，点击 Edit/Show Class Values（各 点的类别号出现在数据表的 class 字段中） 。 （8）输入参考点对应的实际类别值。在数据表的 Reference 字段输入各个随机点的实 际类别值（只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的 Point With Reference 颜色） 。 （9）设置分类评价报告输出环境及输出分类评价报告。通过对分类结果的评价，如果 对分类精度满意，保存结果。如果不满意，可以进一步做有关的修改，如修改分类模板、 或者对其它功能进行调整。