监督分类与非监督分类.docx

《监督分类与非监督分类.docx》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、图像分类一、实验目的1、理解遥感图像分类的基本原理和方法。2、掌握在ERDASIMAGINE软件中进行非监督分类、监督分类的操作流程以及两种分类方法的区别。3、了解分类后处理及精度评价原理及过程。二、实验设备1、ERDASIMAGINE遥感影像处理软件。三、实验过程及要求1、非监督分类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已

2、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分类流程图影像分析结果验证分类后处理类别定义/类别合并影像分类分类器选择ISODATAKMENA其它1.2分类过程1）调出非监督分类对话框在菜单栏中单击Raster→UnsupervisedClassification→选择UnsupervisedClassification项，打开UnsupervisedClassification对话框。2）进行非监督分类在UnsupervisedClassification对话框中→InputRasterFile(确定输入文件

3、)：待分类的图像（此处为经过主成分分析后的图像）。→OutputClusterLayer(确定输出文件)。→勾选OutputsignatureSet（选择生成分类模板文件）→Filename(确定分类模板文件)。→ClusterOptions:选择InitiatefromStatistics.→分类方法:选择isodata.→NumberofClasses（确定初始分类数）:7→对于InitializingOptions和ColorSchemeOptions两项均取缺省值。→MaximumIterations（定义最大循环次数）:24(一般在应用

4、中将循环次数都取值6以上)→ConvergenceThreshold（设置循环收敛阈值）:0.950(取系统默认值)→单击OK按钮（关闭UnsupervisedClassification对话框，执行非监督分类）下图为分类后的图：1.3分类评价1）显示原图像与分类图像在视窗中同时显示prin.img和prin_isodata.img,两个图像的叠加顺序为：prin.img（原图）在下，prin_isodata.img（分类图）在上。在View#1窗口中依次打开原图和分类图。注意：打开分类图时，selectlayertoadd对话框中RasterO

5、ptions选择项中的“cleardisplay”不勾选。则可以保证在一个窗口中同时打开两幅图像。2）打开分类图像属性表并调整字段属性右键prin_isodata文件，选择DisplayAttributeTable项，打开AttributeTable窗口。在AttributeTable窗口中，8个记录分别对应产生的7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。3）给各个类别赋相应的颜色在AttributeTable窗口中，选中某一类Row字段，单击此类别颜色字段的颜色，即可为该类选择某一颜

6、色，重复操作为所有类选择合适颜色。4）不透明度的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）在AttributeTable中，直接将Opacity字段中不需要分析的类的值改为0，需要分析的类的值设为1.此时，在视窗中只有要分析的类别的颜色显示在原图像的上面，其它类别都是透明的。如下图：水体的Opacity被设为了0，并按回车键，水体部分的颜色变得与原图一致（即透明）。可以右键影像→Swipe来查看。5）确定类别专

7、题意义及其准确程度右键影像→Flicker，打开Flicker工具条，点击Start/Stop开始闪烁，本步是设置分类图像在原图像背景上闪烁，观察它与背景图像之间的关系从而断定该类别的专题意义，并分析其分类准确与否。6）标注类别的名称在AttributeTable中，单击刚才分析类别的ClassNames字段，并输入其专题意义（如水体、耕地、建筑等），重复第四到第六步直到对所有类别都进行了分析与处理。得到如下结果：1.4分类后处理分类重编码主要是针对非监督分类而言的。由于非监督分类之前，用户对方类地区没有什么了解，所以在非监督分类过程中，一般要定

8、义比最终需要多一定数量的分类数；在完全按照像元灰度值通过ISODATA聚类获得分类方案后，首先是对专题分类图像与原始图像对照，判断每个分