实验5 图像的监督分类

《实验5 图像的监督分类》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、实验三图像的增强一、实验目的掌握利用ERDAS软件对遥感图像上的信息按照监督分类的方法进行属性的识别和分类，从而达到识别图像信息所相应的实际地物，提取所需地物信息的目的二、实验数据与软件硬件：计算机软件：ERDAS软件开发环境：windowsxp系统三、实验原理据研究区域中选取代表性的样本，根据样本，选择适当的地物特征参数（如：像素亮度均值）建立判别函数，据样本函数所用的函数去识别非样本像元的归属类别四、实验步骤第一步：定义分类模板（DefineSignatures）（选取亮度所示的几个字段为分类的属性字段，并用多边形工具裁剪地物波谱特征相似的区域多个）对类型一致的

2、区域进行归并，并删除子项：第二步：定义分类模板（DefineSignatures）（没裁一类，可以成批应用add功能进行类别的增添）按照步骤一的lake类的定义，依次定义：水体，植被，山脉，建筑，道路，农田等类别并依据真实世界的地物颜色进行类别颜色的更改：第三步：进行监督分类（PerformSupervisedClassification）好的图像，设置存储路径后并在viewer中显示：第四步：评价分类结果（EvaluateClassification）1、进行精读评价准备：在AccuracyAssessment对话框将未分类的图像和分类后的监督图像进行关联设置，在

3、待分类的图像上设置随机生成40个样本点（显示这些随机点的类别如下：）在原始图像中查看随机点分布：（注释：设置未输入Reference值时随机点白色显示：输入的为金色显示）1、进行精读评价：比较随机点的CLASS的值和应属于的类别是否一致填写Rererence,若一致，Rererence值和Class的值一致：若有冲突，Reference值按监督的填写。然后修改相关值后的，结果：一、实验结果与分析1、进行监督分类之前的分类定义，可以查看可能性矩阵：可以清楚的看到：各个类别之间存在着交叉的现象明显，主要是因为有的森林的农田的地物波谱特征值相近，所以进行分类很难一一分清。

4、2、对监督分类进行精读评价结果：如上图txt显示：进行随机点的实际类别值的对照后，verallKappaStatistics值为0.7909>0.70（下限要求的K值），所以此监督分类在理论上可行。