最大似然法.ppt

实习三 监督分类——最大似然法分类 江西师范大学地理与环境学院 赖格英 教授 一、实习目的 掌握监督分类的方法与过程，加深对监督分类方法的理解 通过本实习，掌握利用ERDAS软件进行监督分类的方法和过程，重点在训练样区的选择、分类结果统计 二、实习内容 定义分类模板 评价分类模板 进行监督分类 评价分类结果 三、实习数据 germtm.img 四、实习步骤与过程 ERDAS监督分类的一般过程 ERDAS IMAGINE的监督分类是基于分类模板来进行的，而分类模板的生成、管理、评价和编辑等功能是由分类模板编辑器来实现的。 ERDAS IMAGINE下，监督分类一般有以下几个步骤： 定义分类模板（Define Signatures） 进行监督分类（Perform Supervised Classification） 评价分类结果（Evaluate Classification ）。 下面将结合实习来说明这几个步骤。 1、定义分类模板（Define Signature Using signature Editor） 在分类模板生成器中，生成分类模板的基础是原图像和（或）其特征空间图像。因此，显示这两种图像的视窗也是进行监督分类的重要组件。 第一步：显示需要进行分类的图像 第二步：打开模板编辑器并调整显示字段 ERDAS图标面板，点击Classifier图标 选择Signature Editor 第三步：获取分类模板信息 应用AOI绘图工具，在原始图像或特征空间图像中获取分类模板信息 在显示有germtm.img图像的视窗： →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 →在视窗中选择绿色区域（农田），绘制一个多边形AOI →在Signature Editr对话框，点击 图标，将多边形AOI区域加载到Signature分类模板中 →在Signature Editor中，改变刚才加入模板的Signature Name和Color。 →重复上述操作过程以多选择几个绿色区域AOI,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。 如果对同一个专题类型（如水体）采集了多个AOI并分别生成了模板，可以将这些模板合并，以便该分类模板具多区域的综合特性。具体做法是在Signature Editor对话框中，将该类的Signature 全部选定，然后点击合并图标 ，这时一个综合的新模板生成，原来的多个Signature 同时存在（如果必要也可以删除）。 在图像窗口中，绘制多个黑色区域（水体），依次加入到Signature Editor分类属性表中，并执行合并生成综合的水体分类模板，然后确定分类模板名称和颜色 按照同样方法，绘制蓝色区域（建筑）、红色区域（林地）、深蓝区域（裸地——河中心沙滩）等，加载、合并、命名，建立新的模板 第四步：保存分类模板 在Signature Editor对话框菜单条： File→Save →打开Save Signature File As对话框 →确定是保存所有的模板还是只保存被选中的模板 →确定文件的目录和名字（Sig文件） →点击OK按钮 2.执行监督分类(Perform Supervised Classification) 下面是执行监督分类的操作过程： ERDAS图标面板菜单条：Main→Image Classification→Classification 菜单 或ERDAS图标面板工具条：点击Classifier图标→Classification菜单 →Supervised Classification 菜单项 →Supervised Classification 对话框 在Supervised Classification对话框中，需要确定下列参数： →确定输入原始文件（Input Raster File）： germtm.img →定义输出分类文件（Classified File）： Classify.img →确定分类模板文件（Input Signature File）： Lz.sig →选择输出分类距离文件：Distance File（用于分类结果进行阈值处理） →定义分类距离文件（Filename）：lz-distance.img →选择非参数规则(Non_parametric Rule):Feature Space →选择叠加规则(Overlay Rule):Parametric Rule →选择未分类规则(Unclas