edars-分类.doc

EDARS Imagine 8.x Introduction of Image Classification 在EDARS Imagine中，Image Classification大致上可分为三种类型：监督性分类(Supervised Classification)、非监督性分类(Unsupervised Classification)及专家分类(Expert Classifier)。监督性分类是依据使用者自行定义训练样区，选择所欲使用的分类算法，再交由程序进行运算。非监督性分类则不需使用者定义训练样区，仅需定义分类类别数、执行次数及分类群集重复率，便能进行影像分类。专家分类则是建立于Knowledge-Based的分类方式，换言之，也就类似GIS的迭图分析一般，建立各种假设、规则与类别，对于各项结果进行套迭，取其交集、联集或差集。以下便为三种分类法的大致操作原理与方式： 监督性分类： 在主选单中点选Classifier\ Supervised Classification。 开启对话窗口，首先设定档案输入与输出路径、Signature File及是否产出Distance File(类似Probability Map的概念)，其次设定所欲选用的分类算法及规则。 设定完成后，按下OK便可执行。 非监督性分类： 在主选单中点选Classifier\ Unsupervised Classification。 开启对话窗口，首先设定档案输入与输出路径、是否产出Signature File，其次设定分类群集数目及其依据，可选择依据影像统计值或是输入Signature File，依其平均值作分类依据，最后设定重复执行次数及群集聚合阈值。 设定完成后，按下OK便可执行。 专家分类(Expert Classification；Knowledge-Based Classification) 点Classifier icon，选择Knowledge Engineer，开启新的窗口。 选Edit/New Hypothesis新增假设，假设的预设名称为New Hypothesis，颜色为Grayscale。 将预设名称改为Residential，选取Create an Output Class，颜色设为橘色。 点选Apply后关闭此对话框，在编辑窗口中便出现名为Residential的绿色假设方块。 重复上述步骤，设定另一名为Commercial Services的假设，颜色设为红色。 选取图形规则工具，点选Residential的假设方块，便出现一个名为New Rule的黄色规则方块。 Double-click规则方块以设定规则内容。 将名称改为Vegetated Within City，选取Compute from Conditions。 在Variable字段中按右键，选New Variable设定新变量。 将名称设为Highway Map，变量形式为Raster，选择输入影像(Input.img)。 设定完成后选Apply，再关闭窗口。 在Value字段中按右键，选择Others，将数值设为7。 设定完成后选Apply，再关闭窗口，便出现一个名为Highway Map==7的蓝色变量方块。 选取建立假设工具，点选Vegetated Within City方块，便会出现另一变量New Hypothesis，变量后跟着一个新的假设Hypothesis == TRUE。 Double-click New Hypothesis，将名称改为Vegetation，并取消Create an Output Class。 设定完成后选Apply，再关闭窗口。 利用图形规则工具，新增Vegetation的规则。 Double-click规则方块以设定规则内容。将名称设为High IR and Low Visible，在Variable字段中按右键，选New Variable设定新变量。 变量名称为TM Band 4，形式为Raster，输入影像为lanier.img，Layer为layer_4，设定完成后选Apply，再关闭窗口。 在Relation字段中按右键选择=，再将Value值设为21。 重复上述步骤设另一变数TM Band 2，Layer为layer_2，Relation为，Value值设为35，设定完成后选Apply，再关闭窗口。 选取图形规则工具，点选Commercial Services的假设方块，建立新规则。 Double-click规则方块以设定其规则内容。将规则名称设为Bright Within City，在Variable字段中按右键，选择已建立好的变量Highway Map，Relation为==，Value为7，设定完成后选Ap