实验报告书(验证性).docVIP

实 验 报 告 书 （验证性实验） 题 目 非监督分类 成 绩 姓 名 专业班级 学 号 指导教师 日 期 年 月 日  实验目的 掌握非监督分类的方法与过程，加深对非监督分类方法的理解； 运用1SODATA（Iterative Self-Organizing Data Analysis Technique ）算法，完全按照像元的光谱特性进行统计分类，对分类区进行深入了解； 实验准备工作 准备一张卫星拍摄的同一位置的高清映像文件以及ERDAS IMAGINE软件。 实验步骤 （一）、分类过程（classification ProcedUre ） 第一步：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： 第二步：进行非监督分类 ：1、在Unsupervised classification对话框中：确定输出文件（Input Raster File）:12235.img（要被分类的图像）， 确定输出文件（Output File）:处理.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 ）： 处理.sig 。 2、对Clustering options选择Initialize from Statistics单选框： 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，这两个设置项使用缺省值； 定义最大循环次数（Maximum Iterations）： 28 ； 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； 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）。 （一）、分类评价（Evaluate Classification ） 第一步：显示原图像与分类图像 ： 在视窗中同时显示12235.img和处理.img：两个图像的叠加顺序为12235.img在左、处理.img在右，12235显示方式用红（4）、绿（5）、蓝（3 ）： 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（处理.img的属性表）； 打开Raster Attribute Editor对话框菜单条：Edit→Column Properties →column properties对话框； 在Column Properties对话框中调整字段顺序，最后使Histogram、opacity、 color、 class_names四个手段的显示顺序依次排在前面； 点击OK按钮（关闭Column properties对话框）； 返回Raster Attribute Editor对话框（处理.img的属性表）。 第三步：给各个类别赋相应的颜色 打开Raster Attribute Editor对话框（处理.img的属性）： 点击一个类别的Row字段从而选择该类别，右键点击该类别的Color字段（颜色显示区） ，As Is菜单→ 选择一种颜色，重复以上步骤直到给所有类别赋予合适的颜色。 将原图与生成的图在同一窗口打开。调整图层，点击Utility→swipe，并打开Raster→Attributes,得到如下窗口： 来回拉动，将分类图像与原图比较。找出相对应