6、遥感数字图像的计算机分类.doc

遥感数字图像的计算机分类遥感数字图像的计算机分类一、实验类型一、实验类型 综合型 二、实验目的与要求二、实验目的与要求 1、实验目的 掌握非监督分类的过程和方法 2、实验要求 （1）掌握非监督分类的过程和方法； （2）了解监督分类中最大似然比分类法的方法和过程 三、实验原理三、实验原理 非监督分类指不必对影像地物获取先验知识，仅依靠影像上不同类地物 的光谱信息（或纹理信息）进行特征提取，以提取出统计特征的差别来达 到分类目的的分类方法主要采用聚类分析方法把一组像元按照相似性归 成若干类别，即“物以类聚” 目的时使属于同一类的像元之间的距离尽可 能的小而不同类别像元间的距离尽可能的大常用的有分级集群法和非分 级集群法，ERDAS 使用 ISODATA 算法（迭代自组织数据分析技术也称为 动态聚类法）来进行非监督分类是在初始状态给出图像粗糙的分类，基 于一定的原则在类别间重新组合其样本，聚类每重复一次，聚类的平均值 就更新一次，新聚类的平均值再用于下次聚类循环，直到分类比较合理 （达到设定值或两次聚类结果相比达到要求百分比的象元类别已经不再发 生变化）为止 四、实验仪器设备四、实验仪器设备 硬件：微机一台 软件：Professional 级 ERDAS IMAGING 8.6 软件一套 五、实验步骤五、实验步骤 1 1、初始分类获取、初始分类获取 第一步：启动非监督分类对话框第一步：启动非监督分类对话框 指导学生掌握两种方法。

方法一：DATA PRETATION→UNSUPERVISED CLASSIFICATION. 方法二：Classifier 图标→classification→unsupervised classification 第二步：进行监督分类第二步：进行监督分类 调出：unsupervised classification 对话框（图 6-1） ，逐项填写 注意问题：实际工作中常将分类数目取为最终分类数目的两倍；收敛域值 是指两次分类结果相比保持不变的像原所占最大百分比图 6-1 unsupervised classification 对话框 2 2、分类方案调整、分类方案调整 获得一个初始分类结果后，可以应用分类叠加方法来评价分类结果、 检查分类精度、确定类别专题意义和定义分类色彩，以便获得最终的分类 方案 第一步：显示原图像与分类图像第一步：显示原图像与分类图像 学会在同一个窗口中，同时打开两个图像，叠加显示 第二步：打开分类图像属性表并调整字段显示顺序第二步：打开分类图像属性表并调整字段显示顺序 单击 Raster|Tools 命令，打开 Raster 工具面板，打开 Raster Attribute Editor 窗口。

图 6-2 图象属性编辑器图 6-3 Column Properties 对话框 第三步：给各个类别赋相应的颜色第三步：给各个类别赋相应的颜色 第四步：设置不透明度第四步：设置不透明度图 6-4 Fomula 对话框 第五步：确定类别的专题意义及其准确程度第五步：确定类别的专题意义及其准确程度 第六步：标注类别的名称和相应的颜色第六步：标注类别的名称和相应的颜色 重复以上 4、5、6 三步直到对所有类别都进行了分析与处理注意，在进 行分类叠加分析时，一次可以选择一个类别，也可以选择多个类别同时进 行 第七步：类别合并与属性重定义第七步：类别合并与属性重定义 如果经过上述 6 步操作获得了比较满意的分类，非监督分类的过程就可 以结束，反之，就需要进行分类后处理，诸如聚类统计、分类重编码等， 特别是由于给定初始分类数量较多，需要进行类别的合并操作（分类重编 码） ，再重新定义分类色彩、分类名称等。