erdas遥感影像分类.ppt

课程：遥感数字图像处理实验 导师：陈浩 张东水 ;某地区的遥感影像分类;5 非监督分类 非监督分类运用1SODATA（ Iterative Self-Organi zing 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。;（1） 在 ERDAS 图标面板工具条中点击 Classifier 图标 →C1assification →Unsupervised Classification---→unsupervised classification 对话框如右：;确定输入文件(Input Raster File):smtm.img（要被分类的图像） →确定输出文件(Output File):unsuper.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):unsuper.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。 →确定初始分类数（Number of classes）:10 (本练习中最终要分出5种类型的地物)， 实际工作中一般将分类数取为最终分类数的2倍以上。 →定义最大循环次数（Maximum Iterations）：12（确保循环次数） →设置循环收敛阈值（Convergence Threshold）：0.95 收敛阈值（Convergence Threshold）是指两次分类结果相比保持不变的像元所占最 大百分之此值的设立可以避免ISODATA无限循环下去。 →点击OK按钮（关闭Unsupervised Classification对话框，执行非监督分类，获得 一个初步的分类结果;6 监督分类;定义分类模板 A ：显示需要进行分类的图像 在Viewer 窗口中选择打开smtm.img，在Raster Option中选择Fit to Frame， B ：ERDAS图标面板工具子，点击Classifier→Classification→Signature Editor，打开 分类模板编辑器Signature Editor。;C ：在Viewer窗口中点击，打开Raster工具面板。 D ：选择按钮，进入多边形AOI绘制状态，在视窗中选择深蓝色区域，绘制一个多边形AOI，在Signature Editr对话框，点击图标，将多边形AOI区域加载到Signature分类模板中。 ;E ：重复上述操作过程，用同样的方法加载9个深蓝色多边形AOI。;F ：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，单击其Signature 属性进入编辑状态，输 入water，点击color属性，选择深蓝色，在Signature Editor菜单条，单击Edit/delete，删除合并前的模板。;G ：在图像上继续选择多个砖红色区域AOI(farmland)，赭色区域AOI（forest），绿色 区域AOI(grass)浅蓝色区域AOI(resident)。 H ：保存模板（super.sig） ;评价分类模板（分类预警评价，可能性评价，分类的分离性）分类预警评价 A：选中water类别 B：单击View →Image Alarm →打开Signature Alarm 对话框 →选中Indicate Overlap ，设置同时属于两个或以上的像元叠加预警显示，点击色框设置为黄色。; C：点击Edit Parallelepiped Limits 按钮 →Limits 对话框 →点击SET 按钮 →打开Set Parallelepiped Limits对话框 →设置计算方法（Method）:Minimum/Maximum →选择使用的模板（Signature ）:Current →OK（关闭set Parallelepiped Limits对话框） →返回Limits对话框 →Close（关闭Limits对话框） →返回Signature Alarm对话框