[工程科技]实验九、监督分类.pptVIP

实验九、监督分类 实验目的： 掌握监督分类的方法与过程，加深对监督分类方法的理解。 实验内容： 定义分类模板、评价分类模板、进行监督分类、评价分类结果。 第一步：显示需要进行分类的图像 在视窗中要分类的图像:\\...\...\germtm.img （ Red4／Grean3／B1ue2、选择Fit to Frame，其它使用缺省设置）。 第二步：打开模板编辑器并调整显示字段 ERDAS图标面板工具子，点击C1assifier目标 →Classification菜单 →Signature Editor菜单项 →Signature Editor对话框 （2）应用AOI扩展工具在原始图像获取分类模板信息 应用AOI扩展工具在原始图像获取分类模板信息，首先必须设置种子像元特性，过程如下： 在显示有germtm.img图像的视窗中： →AOI一Seed Properties菜单 →Region Growing Properties对话框 →在Neighborhood选择按四个相邻像元扩展， 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。这里选择 。（即选择4临域扩展，还是8临域扩展） → 在Geographic Constrains设置地理约束, Area确定每个AOI所包含的最多像元数（或者面积），而Distance确定AOI所包含像元距被点击像元的最大距离，这两个约束可以只设置一个，也可以设置两个或者一个也不设。在此处只设置面积约束为300个像元。 → 在Spectral Euclidean Distance中设置波谱欧氏距离,本约束是指AOI可接受的像元值与种子像元平均值之间的最大光波欧氏距离（两个像元在各个波段数值之差的平方之和的二次根），大于该距离将不被接受。此处设置距离为：10 → 点击Options按钮，打开Region Grow Options面板以确定一些扩展设置 至此完成了种于扩展特性的设置，下面将使用种子扩展工具产生一个AO1。 在显示有germtm.img图像的视窗中： →在视窗工具条中点击 图标（或在视窗菜单条： Raster→Tools） →打开Raster工具面板 →点击Raster工具面板的 图标 →点击视窗中的绿色区域 → 在signature editor对话框，点击 图标，将扩展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Signann1e的名字（Name ）和颜色（Color）。 → 重复上述操作步骤，（为保证摸板的代表性，同一种地类选择多AOI区域，然后进行合并） 下面说明可能性矩阵评价工具的使用方法： 在Signature Editor对话框： →在signature Editor中选择所有类别 →菜单条：Evaluation →Contingency →打开Contingency Matrix对话框 然后，IMAGINE文本编辑器（Text Editor）被打开，分类误差矩形矩阵将显示在编辑器中供查看统计，该矩阵的局部（以像元数形式表达部分）如右图： 从矩阵中可以看到在水体选择了1005个像元，1005全部属于水体类别，正确率99.50%；同理，建筑选了49个像元，48全部属于建筑，1个属于林地，正确率97.96%；其它的都是全部正确。如果每个地类摸板精度都在90%以上，就可保存摸板，用摸板进行下一步监督分类操作。 2．3 由特征空间模板产生图像掩膜（略） 2.4模板对象图示（略） 2.5直方图方法（略） 在监督分类过程中，用于分类决策的规则是多层次的，如对非参数模板有特征空间、平行六面体等方法，对参数模板有最大似然法、Mahalanobis距离、最小距离等方法。当然，非参数规则与参数规则可以同时使用，但要注意应用范围，如非参数规则只能应用于非参数型模板，对于参数型模板，要使用参数型规则。另外，如果使用非参数型模板，还要确定叠加规则（Overlay rule）和未分类规则（unclassified rule）。 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 C