遥感技术应用实验三.docVIP

目录 一、 实验目的 1 (一) 监督分类实验目的 1 (二) 非监督分类实验目的 1 二、 实验基本原理 1 (一) 监督分类实验基本原理 1 (二) 非监督分类实验基本原理 1 三、 实验基本要求 2 (一) 监督分类实验基本要求 2 (二) 非监督分类实验基本要求 2 四、 实验设备及器材配置 2 五、 实验内容 2 (一) 监督分类实验内容 2 (二) 非监督分类实验内容 13 六、 实验体会 17 遥感技术应用实验（三） 监督分类与非监督分类 实验目的 监督分类实验目的 理解计算机图像分类的基本原理以及监督分类的过程，达到能熟练地对遥感图像进行监督分类的目的。 非监督分类实验目的 能够熟练掌握非监督分类的过程，同时深刻理解监督分类与非监督分类的区别。 实验基本原理 监督分类实验基本原理 监督分类是一种有先验（已知）类别标准的分类方法。首先要从欲分类的图像区域选定一些训练样区，在这些训练样区中，地物的类别是已知的，通过学习来建立分类标准，然后计算机将按照同样的标准对整个图像进行识别及分类。它是一种由已知样本外推未知区域类别的方法，即从图像上已知目标类别区域中提取数据，统计出代表总体特征的训练数据，然后进行分类。采用这种方法必须事先知道图像中包含哪几种地物类别。 非监督分类实验基本原理 非监督分类是一种无先验（已知）类别标准的分类方法。对于待研究的对象和区域，没有已知类别或训练样本作标准，而是利用图像数据本身能在特征测量空间中聚集成群的特点，先形成各个数据集，然后在核对这些数据集所代表的物体类别。当图像中包含的目标不明确或者没有先验确定的目标时，则需要将象元先进行聚类，用聚类方法将遥感数据分割成比较匀质的数据群，把它们作为分类类别，在此类别的基础上确定其特征量，继而进行类别总体特征的测量。监督分类和非监督分类的根本区别在于是否利用训练场地来获取先验的类别知识。监督分类根据训练场提供的样本选择特征参数，建立判别函数，对待分像元点进行分类。非监督分类不需要更多的先验知识，它根据地物的光谱统计特征进行分类。因此，非监督分类方法简单，且分类具有一定的精度。与监督分类相比，非监督分类不需要对被研究的地区有事先的了解，对分类结果与精度要求相同的条件下，在时间和成本上较为节省。但实际上，非监督分类不如监督分类的精度高，所以监督分类使用的更为广泛。 实验基本要求 监督分类实验基本要求 掌握ERDAS遥感图像监督分类 非监督分类实验基本要求 掌握ERDAS遥感图像非监督分类 实验设备及器材配置 计算机、交换器 计算机配置为：内存 256M，128M 独立显卡，CPU为奔腾4处理器 实验内容 监督分类实验内容 定义分类模板 ERDAS IMAGINE 的监督分类是基于分类模板来进行的。 第一步，显示需要进行分类的图像 第二步，打开分类模板编辑器 ERDAS 图标面板工具条：点击Classifier 图标→ Signature Editor 菜单项→ SignatureEditor 对话框 图1 可以通过View → Columns → View Signature Columns 对话框选择显示的字段（先把要显示的字段选中，然后再将不需要的字段清除）。 第三步，获取模板分类信息 应用AOI 绘图工具在原始图像获取分类模板信息 选择Raster 菜单项→ 选择Tools菜单→ 打开Raster 工具面板，点击图标→ 在视窗图像中选择已知的某类别区域，绘制一个多边形AOI → 在Signature Editor 对话框中，点击图标，将多边形AOI 区域加载到Signature 分类模板中→ 在Signature Editor 中，可以改变刚才加入的模板的Signature Name 和Color 重复上述操作过程以选择多个AOI 区域，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。 图2 在Neighborhood 中设置像元扩展方式： 表示被点击像元的上、下、左、右四个像元 与被点击像元是相邻的，而表示其周围9 个像元都与被点击像元相邻。 在Geographic Constraints 中设置地理约束：Area 确定每个AOI 所包含的最多像元数，而Distances 确定AOI 所包含像元距离与被点击像元的最大距离。这两个约束条件可以只设定一个，也可以设置两个。在Spectral Euclidean Distance 中设置波谱欧式距离，该约束是指AOI 可接受的像元值与种子像元平均值之间的最大波谱欧式距离，大于该距离将不被接受。 点击Options 按钮，打开Region Grow Options 面板以确定一些扩展设置：在种子扩展的过程中可能会有些不符合条件的像元被符合条件的像元包围，选择