遥感数据图像处理实验七、图像分类.docVIP

实验七、图像分类 实验内容:1.非监督分类 2.监督分类 图像分类简介: 图像分类就是基于图像像元的数据文件值,将像元归并成有限几种类型、等级或数据集的过程。常规图像分类主要有两种方法:非监督分类和监督分类。 1. 非监督分类 (以c:\program files\ imagine 8.4\examples\germtm.img为例 ERDAS IMAGINE 8.4使用ISODATA(Iterative Self-Organizing Data Analysis Technique算法来进行非监督分类。聚类过程始于任意聚类平均值或一个已有分类模板的平均值,聚类每重复一次,聚类的平均值就更新一次,新聚类的均值再用于下次聚类循环。非监督分类完全按照像元的光谱特性进行统计分类,常常用于对于分类区没有什么了解的情况。使用该方法时,原始图像的所有波段都参与分类运算,分类结果往往是各类像元数大体等比例。由于人为干预较少,非监督分类过程的自动化程度较高。 1.1分类过程: 第一步:调出非监督分类对话框 方法一: 在ERDAS IMAGINE 8.4图标面板工具条中单击“Dataprep”图标 →打开Data Preparation窗口 →单击Unsupervised Classification菜单项 →打开Unsupervised Classification对话框 方法二: 在ERDAS IMAGINE 8.4图标面板工具条中单击“Classifier”图标→打开Classification窗口 →单击Unsupervised Classification菜单项 →打开Unsupervised Classification对话框 (说明:两种方法调出的Unsupervised Classification对话框有一些区别,由于基本的非监督分类属于IMAGINE Essentials级产品,但在IMAGINE Professional级产品中有一定的功能扩展,所以非监督分类命令分别出现在Data Preparation菜单和Classification菜单中。 第二步:进行非监督分类 在Unsupervised Classification对话框中 →Input Raster File (确定输入文件:germtm.img →Output Raster File (确定输出文件:germtm_isodata.img →Output signature Set(选择生成分类模板文件 →Filename (确定分类模板文件: germtm_isodata.sig →Cluster Options:选择Initiate from Statistics →Number of Classes(确定初始分类数:10 →对于Initializing Options和Color Scheme Options两项均取缺省值 →Maximum Iterations(定义最大循环次数:24(一般在应用中将循环次数都取值6以上 →Convergence Threshold(设置循环收敛阈值:0.950(取系统默认值 →单击OK按钮(关闭Unsupervised Classification对话框,执行非监督分类 →打开Isodata进度条 →单击OK按钮完成非监督分类 1.2分类评价: 第一步:显示原图像与分类图像 在视窗中同时显示germtm.img和germtm_isodata.img,两个图像的叠加顺序为: germtm.img在下,germtm_isodata.img在上,为增强对比效果germtm.img显示方式用红(4、绿(5、蓝(3。 →单击视窗工具条“打开文件”按钮 →在Look in中设置路径:examples →在Files of type中设置文件类型:IMAGINE Image(*.img →在File name中选择文件名:germtm.img →单击Raster Options选择项 →在Layer to Colors中设置:Red:4,Green:5,Blue:3 → 单击OK按钮(显示germtm.img图像文件 →单击视窗工具条“打开文件”按钮 →在Look in中设置路径:c:\users →在Files of type中设置文件类型:IMAGINE Image(*.img →在File name中选择文件名:germtm_isodata.img →单击Raster Options选择项 →清除Clear Display →单击OK按钮(显示germtm_isodata.img图像文件 第二步:打开分类图像属性表并调整字段显示顺序 →视窗菜单条:Raster→Attributes →打开Ras