遥感图像的分类.pdf

实验四 遥感图像分类 一、背景知识 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。常规计算机图像分类主要有两种方法：非监督分类与监督分类，本实验将 依次介绍这两种分类方法。 非监督分类运用 ISODATA（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 ) 分类特征统计、栅格矢量 转换、评价模板、确定初步分类图、检验分类结果、分类后处理。由于基本的非监督分 类属于 IMAGINE Essentials 级产品功能，但在 IMAGINE Professional 级产品中有一定 的功能扩展，非监督分类命令分别出现在 Data Preparation 菜单和 Classification 菜 单中，而监督分类命令仅出现在 Classification 菜单中。 二、实验目的 理解并掌握图像分类的原理，学会图像分类的常用方法：人工分类（目视解译） 、 计算机分类（监督分类、非监督分类） 。能够针对不同情况，区别使用监督分类、非监 督分类。理解计算机分类的常用算法实现过程。熟练掌握遥感图像分类精度评价方法、 评价指标、评价原理，并能对分类结果进行后期处理。 三、实验容（ 6 课时） 1. 非监督分类（ Unsupervised Classification) ； 2. 监督分类（ Supervised Classification) ； 3. 分类精度评价（ evaluate classification ）； 4. 分类后处理（ Post-Classification Process ）； 四、实验准备 实验数据： 非监督分类文件： germtm.img 监督分类文件： tm_860516.img 监督模板文件： tm_860516.sig 五、实验步骤、方法 1、 非监督分类（ Unsupervised Classification) ERDASIMAGINE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已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己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停止。 (1) 打开非监督分类对话框 DataPrep 图标/Data Preparation/Unsupervised Classification 菜单项； (2) 如下图输入相应参数后， OK完成非监督分类； (3) 分类评价 (Evaluate Classification ) 获得一个初步的分类结果以后，应用分类叠加检查分类精度。 1. 显示原图像与分类图像 在视窗中