遥感实验说明.pptVIP

实验9 遥感图像分类 --- 非监督分类 一、实验目的 掌握在ERDAS中进行非监督分类的操作方法；掌握对分类进行精度评估的方法。 二、实验内容 1、操作步骤 1） 选择DataPrep模块下Unsupervised Classification(或者Classification模块下Unsupervised Classification)，弹出非监督分类对话框。 2） 选择要进行分类的遥感图像，并输入要生成的分类图像的文件名。 3） 在对话框内输入分类参数，主要有分类个数、迭代计算最高次数、收敛阈值。 4） 开始分类。 第二十九页，共六十四页，2022年，8月28日 2.调整分类方案 （1）叠加显示原图像和分类图像 在同一窗口中显示两图像，原图像在下，分类后图像在上，原图像显示波段组合用R（4）G（5）B（3） （2）调整属性字段显示。在打开的viewer中，选择Raster-Attributes，打开分类后图像的属性表。在该对话框中单击Edit-Column Properties,打开对话框，可以调整字段的顺序以及字段名称等。 （3）确定所分类别地表种类，改变类别颜色并命名。 （4）设置不透明度。属性表中，Opacity字段，0为透明，1为不透明 第三十页，共六十四页，2022年，8月28日 （5）观察类别意义及精度。可以使用viewer窗口的菜单Utility-Flicker,Swipe,Blend等工具 （6）标注类别名称和颜色。在属性表中Class Names 中修改 3.分类后处理 若结果比较满意，则可结束非监督分类。反之，还需要进行分类后处理，如聚类统计，过滤分析，去除分析，分类重编码，合并等。 第三十一页，共六十四页，2022年，8月28日 实验10 遥感图像分类 ---监督分类 一、实验目的 掌握在ERDAS中进行监督分类的操作方法；掌握对分类进行精度评估的方法。 二、实验内容 1.定义分类模板 （1）显示需要进行分类的图像。 （2）打开模板编辑器并调整显示字段。 在ERDAS中，点击C1assifier/Signature Editor菜单项，出现Signature Editor对话框。 第三十二页，共六十四页，2022年，8月28日 （3）获取分类模板信息 利用AOI工具选择训练样区，将AOI区域加载到Signature分类模板中。并定义该训练样区所代表的分类类别的名称（Signature Name）和该类别在分类后图像中的颜色（Color）。重复上述操作过程以多选择几个区域AOI，并将其作为新的模板加入到Signature Editor当中，同时确定各类的名字及颜色。 如果对同一个专题类型（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。 （4）保存分类模版信息。 第三十三页，共六十四页，2022年，8月28日 2.评价分类模板 在对遥感影像做全面分类之前，对所选的训练区样本是否典型以及由训练区样本所建立起来的判别函数是否有效等问题并无足够的把握。因此，通常在全面分类之前，先仅用训练区中的样本数据进行试分类，即分类模版的评价。 分类模板评价工具包括：分类报警工具（Alarms）、可能性矩阵（Contingency matrix）、特征对象（Feature objects）、特征空间到图像掩模（Feature Space to image masking）、直方图方法（Histograms）、分类的分离性（Signature separability）、分类统计分析（Statistics）。 3.执行监督分类 设置完成后执行监督分类。分类完成后，打开分类图像（Supervised.img） 第三十四页，共六十四页，2022年，8月28日 4.分类精度评估 执行了监督分类之后，需要对分类精度进行评估。分类精度评估是将专题分类图像中的特定像元与已知分类的参考像元进行比较，实际工作中常常是将分类数据与地面真值、先前的试验地图、航空像片或其它数据进行对比。下面是具体的操作过程： （1）在视窗中打开原始图像 （2）在Classifier /Classification菜单中，选择Accuracy Assessment菜单项，进入精度评估模块。 Accuracy Assessment 对话框中显示了一个精度评估矩阵（Accuracy Assessment Cellarray）。精度评估矩阵中将包含分类图像若干像元的几个参数和对应的参考像元的分类值。这个矩阵值可以使用户对分类图像中的特定像元与作为参考的已知分类的像元进行比较，参考像元的分类值是用户自己输入的。矩阵数据存在分类图像文件中。 第三十五页，共六十四页，