Erdas8_7基础教程非监督分类.docVIP

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。 2 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。 2．1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→C1assification →Unsupervised Classification---→unsupervised classification对话框如下： 可以看到，两种方法调出的Unsupervised Classification对话框是有一些区别的。 第二步：进行非监督分类 在Unsupervised classification对话框中： →确定输出文件（Input Raster File）:lazhoucity.img（要被分类的图像） →确定输出文件（Output File）:lz-isodat.img（即将产生的分类图像） →选择生成分类摸板文件： Output Signature Set（将产生一个模板文件） →确定分类摸板文件（Filename ）： lz-isodat.sig →对Clustering options选择Initialize from Statistics单选框 Initialize from Statistics指由图像文件整体（或其AOI区域）的统计值产主自由聚类，分出类别的多少由自己决定。Use Signature Means是基于选定的模板文件进行非监督分类，类别的数目由模板文件决定。 →确定初始分类数（Number of classes）： 18分出18个类别） 实际工作中一般将分类数取为最终分类数的2倍以上。