实验九 非监督分类 遥感数字图像处理.docVIP

实验九 非监督分类 遥感图像分类 ERDAS IMAGINE使用ISODATA算法（基于最小光谱距离公式）来进行非监督分类。聚类过程始于任意聚类平均值或一个已有分类模板的平均值：聚类每重复一次，聚类的平均值就更新一次，新聚类的均值再用于下次聚类循环。 ISODATA实用程序不断重复，直到最大的循环次数已达到设定阈值或者两次聚类结果相比有达到要求百分比的像元类别已经不再发生变化。 分类过程： 第一步：调出非监督分类对话框 在ERDAS图标面板工具条中点击Classifier图标 →C1assification →Unsupervised Classification---→unsupervised classification对话框如下：可以看到，两种方法调出的Unsupervised Classification对话框是有一些区别的。 第二步：进行非监督分类 在Unsupervised classification对话框中： →确定输出文件（Input Raster File）:dmtm.img（要被分类的图像） →确定输出文件（Output File）:isodat.img（即将产生的分类图像） →选择生成分类摸板文件： Output Signature Set（将产生一个模板文件） →确定分类摸板文件（Filename ）： isodat.sig →对Clustering options选择Initialize from Statistics单选框 Initialize from Statistics指由图像文件整体（或其AOI区域）的统计值产主自由聚类，分出类别的多少由自己决定。Use Signature Means是基于选定的模板文件进行非监督分类，类别的数目由模板文件决定。 →确定初始分类数（Number of classes）：20分出20个类别） →点击Initializing options按钮，可以调出Fi1e Statistics Options对话框以设置ISODATA的一些统计参数。 →点击Co1or Scheme Options按钮，可以调出output color Scheme Options对话框以决定输出的分类图像是彩色的还是黑白的。 选择Approximate True Color。 →定义最大循环次数（Maximum Iterations）：12 最大循环次数（Maximum Iterations）是指ISODATA重新聚类的最多次数，这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。一般在应用中将循环次数都取6次以上。 →设置循环收敛阈值（Convergence Threshold）：0.95 收敛阈值（Convergence Threshold）指两次分类结果相比保持不变的像元所占的最大比例为0.95。 →点击OK按钮（关闭Unsupervised Classification对话框，执行非监督分类，获得一个初步的分类结果） 分类评价（Evaluate Classification ） 获得一个初步的分类结果以后，可以应用分类叠加（Classification over1ay）方法来评价检查分类精度。其方法如下： 第一步：显示原图像与分类图像 在视窗中同时显示dmtm.img和isodat.img：两个图像的叠加顺序为dmtm.img在下、isodat.img在上。 第二步：打开分类图像属性并调整字段显示顺序 在视窗工具条中：点击图标（或者选择Raster菜单项---选择Tools菜单） →打开Raster工具面板 →点击RaSter工具面板的图标（或者在视窗菜单条：Rster---Attributes） →打开Raster Attribute Editor对话框（isodat.img的属性表） 属性表中的21个记录分别对应产生的20个类及Unclassified类，每个记录都有一系列的字段。如果想看到所有字段，需要用鼠标拖动浏览条，为了方便看到关心的重要字段，需要调整字段显示顺序。 Raster Attribute Editor对话框菜单条：Edit→Column Properties →column properties对话框 在Columns中选择要调整显示顺序的字段，通过Up、 Down、Top、Bottom等几个按钮调整其合适的位置，通过选择Display Width调整其显示宽度，通过Alignment调整其对齐方式。如果选择Editable复选框，则可以在T