图像非监督分类实习指导书.doc

《遥感原理与应用》 实习指导书 图像 目录 一 实习的目的和要求 1 二 实习的名称和原理 1 图像非监督分类概述 1 三 实习的内容和步骤 1 1．遥感图像分类（Ⅰ）——非监督分类 1 （1）获取初始分类 1 （2）调整分类结果 3 四 报告要求 6 一 实习的目的和要求 二 实习的名称和原理 图像概述三 实习的内容和步骤1． ERDAS IMAGINE使用ISODATA算法进行非监督分类。聚类过程始于任意聚类平均值或一个已有模板的平均值；每重复一次，聚类的平均值就更新一次，新聚类德均值再用于下一次聚类循环。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，达到百分比要求的像元类别已经不再发生变化。 应用非监督分类方法进行遥感图像分类时，首先需要调用系统提供的非监督分类方法进行初步分类，获得初步分类的结果，而后再将初步分类结果进行一系列的调整分析，得到最终的分类结果。 （1）获取初始分类 第1步：非监督分类 调出非监督分类对话框的方法有以下两种： ERDAS图标面板工具条：点击Dataprep图标→Data preparation菜单→在菜单中单击Unsupervised Classification菜单项→打开Unsupervised Classification对话框（图 1）。 ERDAS图标面板工具条：点击Classifier图标→Classification菜单项→在菜单中单击Unsupervised Classification菜单项→打开Unsupervised Classification对话框（图 2）。 图 1 Unsupervised Classification对话框（方法一） 图 2 Unsupervised Classification对话框（方法二） 可以看出两种方法调出的Unsupervised Classification对话框有一些区别。 第2步：进行非监督分类 在Unsupervised Classification对话框中进行下列设置。 确定输入文件（Input Raster File）为germtm.img（被分类的图像）。 确定输出文件（Output File）为germtm_isodata.img（产生的分类图像）。 选择生成分类模板文件：Output Signature Set（产生一个模板文件）。 确定分类模板文件（Filename）为germtm_isodata.sig。 确定聚类参数（Clustering Options），需要确定初始聚类方法与分类数。 系统提供的初始聚类方法有以下两种。 Initialize from Statistics方法是按照图像的统计值产生自由聚类。 Use Signature Means方法是按照选定的模板文件进行非监督分类。 确定聚类参数（Number of Classes）为10。（分出10个类别，实际工作中一般将初始分类数取为最终分类数的2倍以上）。 单击Initializing Options按钮，打开File Statistics Options对话框。设置ISODATA的一些统计参数：选中Diagonal Axis按钮，选中Std Deviations选项并设为1。关闭File Statistics Options对话框。 单击Color Scheme Options按钮，打开Output Color Scheme Options对话框，设置分类图像彩色属性。 确定处理参数（Processing Options），需要确定循环次数与循环阈值。 定义最大循环次数（Maximum Iterations）为24。（指ISODATA重新聚类的最多次数，为了避免程序运行时间太长或由于没有达到聚类标准而导致死循环，一般在应用中将循环次数都取6次以上。） 设置循环收敛阈值（Convergence Threshold）为0.95。（指两次分类结果相比较保持不变的象元所占最大百分比，为了避免ISODATA无限循环下去。） 单击OK按钮（关闭Unsupervised Classification对话框，执行非监督分类）。 非监督分类过程执行结束后，单击执行进度对话框OK按钮，完成非监督分类。 （2）调整分类结果 获得一个初始分类结果以后，可以应用分类叠加（Classification Overlay）方法来评价分类结果、检查分类精度、确定类别专题意义、定义分类色彩，以便获得最终的分类结果。 第1步：叠加显示原图像与分类图像 在窗口中同时显示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，germtm.img