Erdas非监督分类全过程.pptxVIP

Erdas 基础教程: 非监督分类 来源：陕西师范大学旅游与环境学院 1．图像分类简介（Introduction to classification） 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： 非监督分类与监督分类，专家分类方法是近年来发展起来的新兴遥感图像分类方法，下面介绍这三种分类方法。 非监督分类运用 1SODATA（Iterative Self-Organizing Data Analysis Technique ）算法，完全按照像元的光谱特性进 行统计分类，常常用于对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于分类运算，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。非监督分类一般要经过以下几个步骤：初始分类、专 题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换、统计分析。 监督分类比非监督分类更多地要求用户来控制，常用于对研究区域比较了解的情况。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。对分类结果进行评 价后再对模板进行修改，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： 建立模板（训练样本）、评价模板、确定初步分类图、检验分类结果、分类后处理、分类特征统计、栅格矢量转换。 专家分类首先需要建立知识库，根据分类目标提出假设，井依据所拥有的数据资料定义支持假设的规则、条件和变量，然后应 用知识库自动进行分类，ERDAS IMAG1NE 图像处理系统率先推出专家分类器模块，包括知识工程师和知识分类器两部分，分别 应用于不同的情况。 由于基本的非监督分类属于IMAGINE Essentia1s 级产品功能、但在 1MAGINE Professional 级产品中有一定的功能扩展， 而监督分类和专家分类只属于 IMAGINE ProfeSsiona1 级产品，所以，非监督分类命令分别出现在 Data Preparation 菜单和 classification 菜单中，而监督分类和专家分类命令仅出现在Classification 菜单中。 非监督分类（Unsupervised Classification?? ERDAS IMAGINE 使用ISODATA 算法（基于最小光谱距离公式）来进行非监督分类。聚类过程始于任意聚类平均值或一个 己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。 ISODATA 实用程序 不断重复，直到最大的循环次数已达到设定阈值或者两次聚类结果相比有达到要求百分比的像元类别已经不再发生变化。 分类过程（classification ProcedUre ） 第一步：调出非监督分类对话框 调出非监督分类对话框的方法有以下两种： 方法一：在 ERDAS 图标面板工具条中，点击Dataprep 图标 - Data Preparation →unsupervised Classification →Unsupervised Classification 对话框如下：;方法二： 在 ERDAS 图标面板工具条中点击 Classifier 图标 Classification---→unsupervised classification 对话框如下：; ; ;2.2 分类评价（Evaluate Classification ） 获得一个初步的分类结果以后，可以应用分类叠加（Classification over1ay）方法来评价检查分类精度。其方法如下： 第一步：显示原图像与分类图像 在视窗中同时显示 lanzhoucity.img 和 lz-isodat.img：两个图像的叠加顺序为 lanzhoucity.img 在下、lz-isodat.img 在 上，lanzhoucity 显示方式用红（4）、绿（5）、蓝（3 ）。 第二步：打开分类图像属性并调整字段显示顺序 在视窗工具条中：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 工具面板的图标（或者在视窗菜单条：Rster---Attributes） →打开Raster Attribute Editor 对话框（lz-isodat.img 的属性表）;→返回Raster Attribute Editor 对话框（lz-isodat.img 的属性表） 第三步：给各个类别赋相应的颜色（如果在分类时选择了彩色，这一步就可以省去） Raster Attri