遥感概论实验报告 - 图文

类别合并和属性重定义

2、监督分类：分别用AOI绘图工具、AOI扩展工具、查询光标和特征空间四种方法定义分类模板；用各种方法评价分类模板；执行监督分类；评价分类结果；分类后处理 五、实验步骤：

1、非监督分类（Unsupervised Classification）

ERDAS IMAGINE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己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已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。

1、1分类过程（classification ProcedUre ） 第一步：调出非监督分类对话框

在ERDAS图标面板工具条中点击Classifier图标 →C1assification →Unsupervised Classification---→unsupervised classification对话框如下：

第二步：进行非监督分类

在Unsupervised classification对话框中： →确定输入文件（Input Raster File）（要被分类的图像）： →确定输出文件（Output File）（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 ）：

→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。Use Signature Means是基于选定的模板文件进行非监督分类，类别的数目由模板文件决定。

9

→确定初始分类数（Number of classes）： 18分出18个类别） 实际工作中一般将分类数取为最终分类数的2倍以上。

点击Initializing options按钮可以调出Fi1e Statistics Options对话框以设置ISODATA的一些统计参数，

点击Co1or Scheme Options按钮可以调出output color Scheme Options对话框以决定输出的分类图像是彩色的还是黑白的。这两个设置项使用缺省值。

定义最大循环次数（Maximum Iterations）： 24

最大循环次数（Maximum Iterations）是指ISODATA重新聚类的最多次数，这是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的死循环。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）：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）

1、2 分类评价（Evaluate Classification ） 第一步：显示原图像与分类图像

10

在视窗中同时显示原图像和分类图像：两个图像的叠加顺序为原图像在下、分类图像在上。

第二步：打开分类图像属性并调整字段显示顺序 在视窗工具条中：点击图标（或者选择Raster菜单项—--选择Tools菜单）

→打开Raster工具面板

→点击RaSter工具面板的图标（或者在视窗菜单条：Rster---Attributes） →打开Raster Attribute Editor对话框（分类图像的属性表）

属性表中的19个记录分别对应产生的18个类及Unclassified类，每个记录都有一系列的字段。如果想看到所有字段，需要用鼠标拖动浏览条，为了方便看到关心的重要字段，需要调整字段显示顺序。

Raster Attribute Editor对话框菜单条：Edit→Column Properties →column properties对话框

在Columns中选择要调整显示顺序的字段，通过Up、 Down、Top、Bottom等几个按钮调整其合适的位置，通过选择Display Width调整其显示宽度，通过Alignment调整其对齐方式。如果选择Editable复选框，则可以在Title中修改各

11

个字段的名字及其它内容。

→在Column Properties对话框中调整字段顺序，最后使Histogram、opacity、 color、 class_names四个手段的显示顺序依次排在前面。

→点击OK按钮（关闭Column properties对话框）

→返回Raster Attribute Editor对话框（lz-isodat.img的属性表）

第三步：给各个类别赋相应的颜色（如果在分类时选择了彩色，这一步就可以省去）

Raster Attribute Editor对话框（lz-isodat.img的属性）： →点击一个类别的Row字段从而选择该类别 →右键点击该类别的Color字段（颜色显示区） →As Is菜单 → 选择一种颜色

→重复以上步骤直到给所有类别赋予合适的颜色 第四步：不透明度设置

由于分类图像覆盖在原图像上面，为了对单个类别的判别精度进行分析，首先要把其它所有类别的不透明程度（Opacity）值设为0（即改为透明），而要分析的类别的透明度设为1（即不透明）。

Raster Attribute Editor 对话框（lz-isodat.img的属性表）： →右键点击Opacity字段的名字

→Column Options菜单→Formula菜单项 →Formula对话框 →在Formula对话框的Formula输入框中（用鼠标点击右上数字区）输入0 →点击Apply按钮（应用设置）

→返回Raster Attribute Editor 对话框（lz-isodat.img的属性表）： →点击一个类别的ROW字段从而选择该类别 →点击该类别的Opacity字段从而进入输入状态 →在该类别的Opacity 字段中输入1，并按回车键

此时，在视窗中只有要分析类别的颜色显示在原图像的上面，其它类别都是透明的。

12