利用ERDAS对tm遥感影像分类步骤

来源:学生作业帮助网 编辑:作业帮 时间:2024/03/29 21:41:48
利用ERDAS对tm遥感影像分类步骤

利用ERDAS对tm遥感影像分类步骤
利用ERDAS对tm遥感影像分类步骤

利用ERDAS对tm遥感影像分类步骤
山东科技大学测绘学院遥感系
非监督分类
一、实习目的:掌握非监督分类的方法与过程,加深对非监督分类方法的理解
二 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.
第一步:启动非监督分类
调出非监督分类对话框的方法有两种:
→在ERDAS图标面板工具条中单击DataPrep图标,打开Data Preparation对话框,在对话框中单击Unsupervised Classfication按钮,打开Unsupervised Classification.
→在ERDAS图标面板工具条中单击Classifier图标,打开Classification对话框,单击Unsupervised Classification按钮,打开Unsupervised Classification对话框
第二步:进行非监督分类
在Unsupervised Classification对话框进行下列设置:
→确定输入文件(Input Raster File)为germtm.img(被分类的图像).
→确定输出文件(Output File)为germtm_isodata.img(产生的分类图像).
→选择生成分类模板文件为Output Signature Set (产生一个模板文件).
→确定分类模板文件(File Name)为(germtm_isodata.sig)
→确定聚类参数(Clustering Options),需要确定初始聚类方法与分类数.
系统提供的初始聚类方法有两种:
Initialize from Statistics方法是按照图像的统计值产生自由聚类.
Use Signature Means方法是按照选定的模板文件进行非监督分类
确定初始分类数(Number of classes)为10(分出10个类别,实际工作中一般将初始分类数取为最终分类数的两倍以上).
→单击Initializing Options按钮.
→打开File Statistics Options对话框,设置ISODATA的一些统计参数
→单击Color Scheme Option按钮
→打开Output Color Scheme Options对话框,设置分类图像彩色属性
→确定处理参数(Processing Options),需要确定循环次数与循环阈值
→定义最大循环次数(Maximum Iterations)为24(是指ISODATA重新聚类的最多次数,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,在应用中一般将循环次数设置为6次以上)
→设置循环收敛阈值(Convergence Threshold)为0.95(是指两次分类结果相比保持不变的象元所占最大百分比,是为了避免ISODATA无限循环下去).
→单击OK按钮(关闭Unsupervised Classification对话框,执行非监督分类).
三:分类方法调整
第一步:显示原图像与分类图像
在视窗中同时显示germtm.img和germtm_isodat.img:两
个图像的叠加顺序为germtm.img在下,germtm_isodat.img在上,germtm.img显示方式用
红(4)、绿(5)、蓝(3),保证两幅图像叠加显示 .

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
属性表中的11个记录分别对应产生的10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:定义类别颜色
初始分类图像是灰度图像,各类别的显示灰度是系统自动赋予的,为了提高分类图像的直观表达效果,需要重新定义类别颜色.
→ 在Raster Attribute Editor窗口(germtm_isodata的属性表):
→单击一个类别的Row字段从而选择该类别.
→右击该类别的Color字段(颜色显示区)
→在As Is色表菜单选择一种合适颜色
→重复以上操作,直到给所有类别赋予合适的颜色.
第四步:设置不透明度
→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.
第五步:确定类别专题意义及其准确程度
视窗菜单条:Utility→flicker→viewer Flicker对话框→Auto Mode
本小步是设置分类图像在原图像修背景上闪烁,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.
第六步:标注类别的名称和相应颜色
Raster Attribute Editor对话框
→点击刚才分析类别的ROW字段从而选择该类别
→点击该类别的class Names字段从而进入输入状态
→在该类别的Class Names字段中输入其专题意义(如居民区),并按回车键
→右键点击该类别的Color字段(颜色显示区)
→As Is菜单→选择一种合适的颜色
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
如果上述各步骤操作的过程中发现分类方案不够理想,需要进行分类后处理,诸如进行聚类分析、过滤分析、去处分析和分类重编码等特别是有由于给定的初始分类的数量比较多,往往需要进行类别的合并操作.
具体操作步骤:
第一步 打开重编码对话框—单击interpreter →GIS analysis →recode
在recode对话框中设置一下参数
(1)确定输入文件为germtm_isodata.img
(2)输出文件为germtm_recode.img
(3)设置新的分类编码(setup recode)
(4)根据需要改变的字段取值
(5)单击ok
在窗口中打开重编码后的分类专题图像,查看分类属性表.

利用ERDAS对tm遥感影像分类步骤 erdas对TM遥感影像的几何校正步骤 求教用ERDAS对TM遥感影像进行土地利用变化信息的提取的具体方法步骤! 如何用ERDAS通过键盘输入的GCP对TM遥感影像进行几何精校正? 什么是遥感影像的几何纠正和正射纠正在erdas中利用DEM对quickbird全色影像进行正射纠正的步骤是什么? 利用ERDAS怎样去掉遥感影像上的云层 基于ERDAS使用spot对TM影像进行几何校正 决策树方法对遥感影像进行分类,使用envi,求具体操作步骤 arcgis栅格数目统计我利用erdas软件对TM遥感图像进行了分类,分类后我想利用arcgis软件来计算一下每个土地类型的栅格数目和他的面积,应该如何计算,本人新手,顺便说句,我就是想学习下用arcgis 做监督分类时需要做精度评价.非监督分类需要做精度评价吗?求解释!遥感 ERDAS处理的遥感影像 TM遥感影像有几个波段? 求衡阳市TM遥感影像图 图像镶嵌对遥感影像计算机分类有什么影响? 如何在ERDAS软件里面查看单波段遥感影像? 什么是TM影像,什么是MSS影像,多谢!我对遥感不太了解,请高手帮忙解释. erdas遥感影像监督分类之后,背景也被分为了一类,算面积都把它给算上去了,怎么能不让背景也跟着分类? 什么是基于决策树的遥感影像分类啊?最好介绍一些书籍或说一下步骤. 遥感影像监督分类有什么好的方法最好能说出具体操作步骤