监督分类 实验报告.docxVIP

实验报告 实验九 遥感图像的分类—监督分类 原理及方法简介 监督分类又称训练场地法，是一种以统计识别函数为理论基础，依据典型样本训练方法进行分类的技术，即：根据已知训练区提供的样本，通过选择特征参数，建立判别函数对各待分类像元进行的分类。在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。对模板进行评价后再对其进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。监督分类一般要经过以下几个步骤：定义分类模板（Define Signatures）、评价分类模板（Evaluate Signatures）、进行监督分类（Perform Supervised Classification）、评价分类结果（Evaluate Classification）。 实验目的 1、理解监督分类方法的基本原理。 2、掌握利用ERDAS进行监督分类的操作流程。 3、了解分类后评价过程。 实验内容 在ERDAS软件中，对TM影像进行监督分类，将图像中的植被、水体、城镇等地物特征提取出来。 实验数据：实验九\TM_bjcity.img 实验步骤 （一）定义分类模板 定义分类模板操作包括模版的生成、管理、评价和编辑等，主要利用分类模板编辑器（Signature Editor）完成，具体步骤包括： 步骤一：从ERDAS主界面中，打开Viewer视窗，然后选择输入文件：实验九\TM_bjcity.img，并在Raster Option（图像设置）中设置Red|Green |Blue对应的波段值分别为4|3|2，选择Fit to Frame（合适窗口大小），如图。 步骤二：单击OK，在Viewer视窗中显示待分类图像。打开分类模板编辑器。在ERDAS图标面板工具条中点击Classifier（分类器）图标，选择Classification（分类）→Signature Editor（特征编辑器）菜单，打开分类模板编辑器Signature Editor，如图。 步骤三：调整属性字段。在分类编辑窗口中的分类属性表中有很多字段，可以对不需要的字段进行调整。选择Signature Editor窗口的View（视图）→Column（列），打开View Signature Columns对话框。选择需要显示的字段，如：Signature Name（特征名称）、Color（颜色）、Red（红值）、Green（绿值）、Blue（蓝值）及Value（数值）等，单击Apply（应用）按钮，单击Close（关闭）按钮完成。 步骤四：选取样本， 在Viewer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工具面板中的图标，在Viewer中选择水体区域，绘制一个多边形AOI，如图。 选取10个水体，在Signature Editor对话框中，点击图标，将刚才建立的多边形AOI区域加载到Signature分类模板中，如此重复。 合并分类模板。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，将原来的多个Signature删除。 如此，做城镇，耕地，森林以及云。如下所示： 分完的图如图所示，并且保存已经分完的图象。 （二）执行监督分类 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： 步骤一：在ERDAS主界面：点击Classifier图标→Supervised Classification（监督分类） 菜单项，打开Supervised Classification 对话框，如图。 步骤二：在Supervised Classification对话框中，输入以下参数： 确定Input Raster File（输入原始文件）：实验九\tm_bjcity.img； 定义Classified File（输出分类文件）：实验九\我.img； 确定Input Signature File（分类模板文件