《Erdas监督分类步骤》由会员分享，可在线阅读，更多相关《Erdas监督分类步骤（16页珍藏版）》请在金锄头文库上搜索。
1、遥感图像分类的原理监督分类流程图(Erdas环境)在专业遥感图像处理软件 Erdas 环境下，监督分类的流程图可以表示如下图 2-1 监督分类流程图监督分类注意事项(1) 分类应从下往上，即每一地类应先细分为若干小类，然后再依需要自下而 上合并成大类。(2) 每一类的训练区文件aoi与特征文件sig应该对应，即每一类对应的 训练区和特征文件都应该保存为一个单独的文件，以方便在调整训练区的时候进 行修改。(3) 精度检验后若精度不符合要求，需要重新调整训练区，再次分类，直到精 度满足要求为止。监督分类过程示例1图 2-2 为某地 TM 遥感影像，432 波段假彩色合成。图 2-2 TM 影像（
2、432 波段合成）2确定分类类别通过色调、纹理等图像特征，确定该区域分类类别为水体，植被和滩涂。各类分 类特征如表2-1 所示。类别植被滩涂判别特征色调为白色、分布在水域附近色调呈暗蓝色，纹理蛮化较小色调呈现红色表 2-1 分类特征3为每一类选择训练区及特征文件（1）AOI 操作工具简介在 Viewer 窗口 中选择 “AOI”-“Tools”，调出AOI （Area Of Interest,感兴趣区）浮动工具图 2-3 AOI 浮动工具栏栏（如图2-3 所示）。其中较为常用的工具按钮为：按功能简介点选按钮，按下Shift可以选择多个AOI区域宀L.i框选按钮，可以选择多个AOIE域。口矩形A
3、OI工具,用出主制矩形的AOI区域。O椭圆AOIT具，用以制前圆型01区域。td任意AOI工具，绘制任意形状的AOI区域。需AOI切删除工具，用于列切删除选中的AOIE域。2）特征文件操作工具简介特征文件从AOI区域中获得。使用“Erdas “Classifier “Signature Editor”，调出特征文件编辑器，如图2-4所示。图 2-4 特征文件编辑器其中较为常用的工具为：曲打开一个特征文件。新建一个特征文件/打开新的特征文件编辑器。+U添加选中的AOI的特征到特征文件中。使用选中的AOI特征替换当前 特征。哉合并选中的特征文件中的特征到一个特征。一般建立特征文 件的步骤是，在 V
4、iewer 窗口中使用AOI工具 勾画感兴趣区，使用 叫把该AOI区域中的 特征添加到特征文件 中。也可以选中多个 AOI 批量添加到特征文 件中。2）为各类别建立训 练区文件和特征文件。把遥感影像放大 到像元级，选择矩形 AOI 选择工具，根据建 立的判读标识，在遥感 影像上选择 AOI 区域， 然后使用依次添加特Etle Utility Wiew AQI faster Help应#1 :号ub芳亡匕imgI图 2-5图 2-6 征到特征文件中。（注： 作为示例，本例选择3个 AOI 区域，且没有细分小类。）选择完成的AOI 区域和特征文件如图 2-5 和图 2-6 所示。分别保存为“水体.
5、aoi ”和“水休 sig”。在 Viewer 窗口中使用輛去除已经保存完毕的AOI图层，重新选择其他类别的训练区，并建立新的特征文件。分别保存为“植被.aoi”和“植波sig”； “滩涂.aoi ”和“滩涂.sig”。（3）合并特征文件 在各个类别的特征文件建立完毕后，需要合并成为一个总体特征文件。新建一个特征文件编辑器，选择窃打开保存的“水体.sig”文件。注意选择“Append”（添加）把特征文件添加进来，而非聚eplace”（替换）。如图2-7 所示。图 2-7 添加特征文件把水体特征文件添加进来之后，全部选中所有的特征，如图 2-8 所示Signature Editor （水蒔、wi
6、g）i 口 i 汉File Edit View Evaluate Feature .Classify Help *U =U S 1A AciagttSiqnature NameColorRedGreefiBlueValueOrderClass 110.277盼T盅0；306V1邂0.2770.3050/301T2議30.28103130?3U31：Class 4：780：3060/300i4塗50:2840： 3310.3485 - 1塗E0890.3490.36G魂10.2910.3570i382%番疝；5070.4080.4548；图 2-8 选中所有特征使用工具，把选中的水体的所有特征合
7、并为一个总体的水体特征，右单击“Class#”列表，选择“Delete Selection”删除原有特征如图2-9所示。J 口1刈吋 fiyndture Editor f 水匚|年廿Siqnatine NameColorGieriEl雇VaEue OrdejIrawandew 闊Mmft277(J JI 2Q.3CE11.DJ7703350.122Select hFoneSelect AlHTeit SetionriSrt RjGW卜Criteria.SortGoto. i DJflT0 3130.31433嗣卞fl,3Q.W04斗02M0.3510.343550.2SS(13490.3tE6
8、0J9I13570.38271(13D7(3 4380.45480.285a 3340.34591Tr1File Eck WewFeature Classify He-lp图 2-9 删除原有特征重命名总体水体特征的“Signature Name”为“水体”。如图2-10所示。图 2-10 总体水体特征如此添加其他两类进入，并合并成各自的总体特征，分别命名为“植被”、“滩 涂。并更改Value值为1, 2, 3,并另存为（Save As） “结果特征文件.sig” 如图 2-11 所示。图 2-11 结果特征文件（4）分类选择“Erdas “Classifier” “Supervised Cl
9、assification”，在分类 设置对话框中如图 2-12设置。Classified Fiie: jmg)Filename：匕 irrig2Decision Rules5Non-parametric .Rule:3Parametric RulerOKAOIInput Raster File: (xjinng)Input Signature File：4；sig 酒征文件拓 展None结杲特征文件;辺subset, imgDistance File分奠踣果吨Fuzzv Clasisificafionveilsp Rule:Parametric F!ul& nclassified-R u(e?
10、MdHirriLjm LikelihoodUs Prob3hiliti&5.Batch业 Supervised 匚lassiAcation|Parametric Rule勃J zer(KAttribute Options.；EJe魅匚lasses Per PiwelCdntei I Help图 2-12 监督分类设置在该对话框中，使用输入待分类的图像“subset.img”、分类特征文件“结果特 征文件.sig”并指定分类结果的保存路径及名称，如“分类结果.img”。分类方 法选择“ Maximum Likelihood”（最大似然），其余可以默认。点击“OK”，系统将对原始影像依据指定的特征
11、文件进行分类。运算完毕界面如 图 2-13 示。图 2-13 运算完成（5）分类结果分类的结果如图 2-14 所示。IDS图 2-14 分类结果为了更好的表达分类结果，可以使用Viewer窗口中的“Raster”f“Attributes”，更改“水体”和“植被”的显示颜色为蓝色（RGB 为0 0 1）和绿色（RGB为0 1 0）,如图2-15示。|越!只弓垃匕Attribute Editor-分类结.imq(:Layer 1)专；File EditKelp了 Q电B LayerNumber:1Fl CMHistoqram匸 CilOF Red56516433.-0275820.84705931
12、8820i10 14TJd图 2-15 调整颜色调整颜色后的分类结果如图 2-16所示。rileUtilityHelpIDa:T491425.UU. 4482913.00 (UTM / Clarke 疫瓯Viewer #2 : 51类结果精度检验 同时打开原始影像和分类结果图，在任一幅图中单击右键，在弹出的菜单中选 择“Geo. Link/Unlink”，然后在另一幅图中单击左键，关联两幅影像。 使用“Erdasf“Classifierf“Accuracy Assessment，调出精度检 验设置窗口。File EditReport H&lpIS Accuracy Assessment （分类
13、錯果.img） - Viewer# 1Point tt|n|x|Reference图 2-17 精度检验窗口 使用该窗口中“File”f“Open”，打开原始影像“Subset.img”，调入内存。 使用“View” 一“Select Viewer”，选择已经打开的分类图，用以显示将要 读取的点位信息。 读入 GPS 测量的点。格式为标准的 txt 文本。文件格式化为 3 列，第一列存储 x 坐标，第二列存储 y 坐标，第三列存储类别代 码（即分类时指定的Value值）。如本例中存储的GPS点文件如表2-3所示表 2-3 GPS 点位491355.864486746.252491070.454487008.523490754.194484941.222486997.564485905.443486797.004486707.683492096.394486615.111489118.86
