遥感制图与处理作业大综合.docVIP

几何校正 几何校正流程 在两个窗口中分别打开要校正的图以及参考图。 作如下操作： 在dataprep/image geometric correction/from view,点击要校正的图，Setgeometric model 中选择polynomial.。在polynomial. Model properties窗口中的projection 中的add/change projection设置投影方式为UTM 和WPS84，在这之前要选择点数，选2次方，7个点在GCP tool rforrence窗口选择第一个选项，后选择参考图，直接点击打开的参考图就可以OK，后出现校正窗口。如图： 选择同名点，用图中的第二个图标刺点。选择好7个点，如图 选择好7点后输出文件点击第三个图标。输出文件名字输出文件。结束 检查效果 打开参考图和校正后的图。在同一窗口，在打开第二幅图时候助于选择对话框的raster options,然后将clear display的对号去掉。，在utilityzhogn 选择bland 将显示拖动到中间可以看配准的效果。入股 监督分类和非监督与分类 ERDAS中影像分类分为非监督法和监督法分类两种方法。 （一）非监督法分类： 1、依次选择主窗口面板 - Classifier模块 - Unsupervised Classification，弹出如下对话框： 输入带输入影像（Input Raster File），选择输出的分类文件（Output Cluster Layer Filename）和特征文件（Output Signature Set Filename），设定最大迭代次数（Maximum Iterations）和收敛阈值（Convergence Threshold），点击OK即可完成分类，分类结果如下： （二）监督法分类 1、打开一个新窗口，载入待分类影像or_196560080.tif。 2、主窗口面板 - Classifier模块 - Signature Editor，打开特征编辑器如下图： 在待分类影像窗口中选择AOI - AOI Tools，打开工具栏： 选择其中的多边形工具，在待分类影像上选择某一类地物，在特征编辑器中点击按钮，将刚才选择的地物加入进来，可以修改该类地物的名称和颜色： 如果要选择同一类地物的多个样本区域，可以重复上面的操作，用多边形工具选择多个区域，每选择一个区域就加入到特征编辑器中。 然后选中这三个样本，点击可以将这三个样本合并为一个样本，合并之后，前面的三个样本文件可以删掉，如下图，将草地，class1，calss2合并为class3： 然后将草地，class1，class2删掉，将class3重命名为草地，颜色设置为绿色，即完成了一类地物的特征选择，并修改该类地物的值（Value），以便于区分。如此选择其他地物的特征。 特征选择完毕后可以进行保存，以便于下次直接使用。点击Evaluate →Contingency ，计算混淆矩阵，若混淆严重，则要重新选择训练样区。点击Classify - Unsupervised或者Supervised进行分类。 Unsupervised的界面如下： 选择输出文件和输出特征集名称，设置分类类别数（Number of Classes），最大迭代次数（Maximum Iterations）和收敛阈值（Convergence Threshold），点击OK按钮即可完成分类，分类结果如下： Supervised分类界面如下： 选择输出文件，点击按钮，在弹出的对话框中选择如下： 则被选中的特征统计值将用于分类过程。选择相似度函数（Parametric Rules），有三种函数供选择： （1）最大似然法（Maximum Likelihood） （2）马氏距离法（Mahalanobis Distance） （3）最小距离法（Minimum Distance） 点击OK即可完成分类，分类结果如下： 分类精度评价 主窗口面板 - Classifier模块 - Accuracy Assessment，打开如下对话框： 点击File - Open，选择分类结果影像。打开两个窗口，分别载入分类前后影像。点击选择分类前影像的窗口，点击Edit - Create/Add Random Points，输入随机点数： 为提高分类精度的准确性，这里的随机点数（Number of Points）应多于20，点击OK。在精度评价对话框中选择View - Show All，可以将这些随机点显示在分类前影像上。再点击选择分类后影像，选择View - Show All，可以将这些随机点显示在分类后影像上，通过比对这些点位的地物类别来进行精度评价。也可以将分类前后影像在一个窗口中