遥感影像分类幻灯片.pptVIP

定义分类模板 利用AOI工具搜集分类模板信息，该操作将在raster工具面板、图像窗口、signature Editor窗口三者之间交替进行。 3.1 定义分类模板 1. 在Raster工具面板单击图标，进入多边形AOI绘制状态。 2. 在图像窗口中选择定义模板的区域（例如绿色区域的水系）,绘制一个多边形AOI。 3. 在Signature Editor窗口，单击Create New Signature 图标，将多边形AOI区域加载到Signature Editor分类模板属性表中。 3.1 定义分类模板 4. 重复上述两步操作过程，选择图像中属性相同或相近的多个定义区域绘制若干多边形AOI，并将其作为模板依次加入到Signature Editor分类模板属性表中。 5. 按下Shift键，同时在Signature Editor分类模板属性表中依次单击选择Class#字段下面的分类编号，将上面加入的多个相同属性的区域AOI模板全部选定。 3.1 定义分类模板 6. 在Signature Editor工具条，单击Merge Signature 图标，将多个定义区域AOI模板合并，生成一个综合的新模板，其中包含了合并前的所有模板象元属性。 7. 在Signature Editor菜单条，单击Edit| Delete，删除合并前的多个模板。 8. 在Signature Editor属性表，改变合并生成的 分类模板的属性：包括名称与颜色，分类名称（Signature Name）：Water/ 颜色（Color）。 3.1 定义分类模板 9. 复上述所有操作过程，根据实地调查结果，在图像窗口选择绘制多个区域（依次加载到Signature Editor分类属性表，然后确定分类模板名称和颜色。 10. 重复上述所有操作过程，绘制多个其它区域AOI，，建立新的模板。 11. 将分类模板保存起来，以便依据分类模板进行监 督分类。 3.2 执行监督分类操作 监督分类实质上就是依据所建立的分类模板，在一定的分类决策规则条件下，对图像象元进行聚类判断的过程。 在ERDAS图标面板工具条，单击Classifier图标Classification-Supervised Classification命令，打开Supervised Classification对话框， 需要确定下列参数： 1. 确定输入原始文件（Input Raster Fill） 2. 定义输出分类文件（Classified File） 3. 确定分类模板文件（Input Signature File）为 4. 单击OK 按钮（执行监督分类，关闭Supervised Classification对话框）。 四. 监督分类和非监督分类的比较 监督分类 监督分类和非监督分类的根本区别点在于是否利用训练场地来获取先验的类别知识。 监督分类根据训练场提供的样本选择特征参数，建立判别函数，对待分类地物进行分类。即已经知道它所对应的地物类别，利用这些样本类别的特征作为依据来判断非样本数据的类别，因此，训练样地选择是监督分类的关键。 监督分类 对于不熟悉区域情况的人来说，选择足够数量的训练场地带来很大的工作量，操作者需要将相同比例尺的数字地形图叠在遥感图像上，根据地形图上的已知地物类型圈定分类用的训练场地。 由于训练场地要求有代表性，训练样本的选择要考虑到地物光谱特征，样本数目要能满足分类的要求，有时这些还不易做到，这是监督分类不足之处。 非监督分类 相比之下，非监督分类不需要更多的先验知识，它根据地物的光谱统计特性进行分类。纯粹依靠不同光谱数据组合在统计上的差别来进行“盲目分类”，事后再对已分出各类的地物属性进行确认的过程。 因此非监督分类方法简单，且分类具有一定的精度。 监督分类和非监督分类的比较 严格说来，分类效果的好坏需要经过实际调查来检验。 当光谱特征类能够和唯一的地物类型(通常指水体、不同植被类型、土地利用类型、土壤类型等)相对应时，非监督分类可取得较好分类效果。 当两个地物类型对应的光谱特征类差异很小时，非监督分类效果不如监督分类效果好。 THANKS！ END 遥感影像分类 王 平 2009.06.09 主要内容 图像分类简介 非监督分类操作 监督分类操作 监督分类与非监督分类比较 一. 图像分类简介 遥感图像分类 图像分类就是基于图像象元的数据文件值，将象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。 非监督分类 非监督分类完全按照象元的光谱特性进行统计分类，对分类区不了解时常用这种方法。使用该方法时，原始图像的所有波段都参与分类运算，分类结果往往是各类象元数大体等比例。由于认为干预较少，非监督分类过