6遥感数字图像的计算机分类.docVIP

遥感数字图像的计算机分类 一、实验类型 综合型 二、实验目的与要求 1、实验目的 掌握非监督分类的过程和方法。 2、实验要求 （1）掌握非监督分类的过程和方法； （2）了解监督分类中最大似然比分类法的方法和过程。 三、实验原理 非监督分类指不必对影像地物获取先验知识，仅依靠影像上不同类地物的光谱信息（或纹理信息）进行特征提取，以提取出统计特征的差别来达到分类目的的分类方法。主要采用聚类分析方法把一组像元按照相似性归成若干类别，即“物以类聚”。目的时使属于同一类的像元之间的距离尽可能的小而不同类别像元间的距离尽可能的大。常用的有分级集群法和非分级集群法，ERDAS使用ISODATA算法（迭代自组织数据分析技术也称为动态聚类法）来进行非监督分类。是在初始状态给出图像粗糙的分类，基于一定的原则在类别间重新组合其样本，聚类每重复一次，聚类的平均值就更新一次，新聚类的平均值再用于下次聚类循环，直到分类比较合理（达到设定值或两次聚类结果相比达到要求百分比的象元类别已经不再发生变化）为止。 四、实验仪器设备 硬件：微机一台 软件：Professional级ERDAS IMAGING 8.6软件一套 五、实验步骤 1、初始分类获取 第一步：启动非监督分类对话框 指导学生掌握两种方法。 方法一：DATA PRETATION→UNSUPERVISED CLASSIFICATION. 方法二：Classifier图标→classification→unsupervised classification 第二步：进行监督分类 调出：unsupervised classification对话框（图6-1），逐项填写。 注意问题：实际工作中常将分类数目取为最终分类数目的两倍；收敛域值是指两次分类结果相比保持不变的像原所占最大百分比。 图6-1 unsupervised classification对话框 2、分类方案调整 获得一个初始分类结果后，可以应用分类叠加方法来评价分类结果、检查分类精度、确定类别专题意义和定义分类色彩，以便获得最终的分类方案。 第一步：显示原图像与分类图像 学会在同一个窗口中，同时打开两个图像，叠加显示。 第二步：打开分类图像属性表并调整字段显示顺序 单击Raster|Tools命令，打开Raster工具面板，打开Raster Attribute Editor窗口。 图6-2 图象属性编辑器 图6-3 Column Properties对话框 第三步：给各个类别赋相应的颜色 第四步：设置不透明度 图6-4 Fomula对话框 第五步：确定类别的专题意义及其准确程度 第六步：标注类别的名称和相应的颜色 重复以上4、5、6三步直到对所有类别都进行了分析与处理。注意，在进行分类叠加分析时，一次可以选择一个类别，也可以选择多个类别同时进行。 第七步：类别合并与属性重定义 如果经过上述6步操作获得了比较满意的分类，非监督分类的过程就可以结束，反之，就需要进行分类后处理，诸如聚类统计、分类重编码等，特别是由于给定初始分类数量较多，需要进行类别的合并操作（分类重编码），再重新定义分类色彩、分类名称等。