1、遥感图像分类监督分类地质系 09 资源勘查0910105025殷祥2012-5-19遥感图像分类监督分类一、实验目的掌握在 ERDAS 中进行监督分类的操作方法；掌握对分类进行精度评估的方法。二、实验内容1.定义分类模板（1）显示需要进行分类的图像。 在 ERDAS 中打开一个文件名为 or_196560080.tif，在选择时，需要将 进行操作，即将其勾上。（2）打开模板编辑器并调整显示字段。在 ERDAS 中，点击 C1assifier/Signature Editor 菜单项，出现 Signature Editor 对话框。在其对话框下单击 view 中的 column，在弹出的对话框中
2、先将其全部选中，然后按住 shift，拉住 3,4,5 行，如图所示，选好后点击 apple，之后关闭，于是 signature editor 中的属性栏就少了之前的三个选项。（3）获取分类模板信息利用 AOI 工具选择训练样区，将 AOI 区域加载到 Signature 分类模板中。并定义该训练样区所代表的分类类别的名称（Signature Name）和该类别在分类后图像中的颜色（Color） 。重复上述操作过程以多选择几个区域 AOI，并将其作为新的模板加入到 Signature Editor 当中，同时确定各类的名字及颜色。如果对同一个专题类型（如水体）采集了多个 AOI 并分别生成了模
3、板，可以将这些模板合并，以便该分类模板具多区域的综合特性。具体是将 AOI 中的 tools 打开，用 进行选择区，选中后，点击 Signature Editor 中的 ，多选择几处相同的物象，都进行相同的操作，接着将添加的相同物象进行合并，将前添加的选择，使用 ，接着，将之前的添加删除，即将他们选中，右击，在弹出的快捷菜单中选择 delete selection，然后对合并项进行必要的编辑。编辑完成之后的表如下图（4）保存分类模版信息。点击 File save，保存文件到自己的文件夹下，名为 jdfl.sig2.评价分类模板在对遥感影像做全面分类之前，对所选的训练区样本是否典型以及由训练区样
4、本所建立起来的判别函数是否有效等问题并无足够的把握。因此，通常在全面分类之前，先仅用训练区中的样本数据进行试分类，即分类模版的评价。分类模板评价工具包括：分类报警工具（Alarms） 、可能性矩阵（Contingency matrix） 、特征对象（Feature objects） 、特征空间到图像掩模（Feature Space to image masking） 、直方图方法（Histograms） 、分类的分离性（Signature separability） 、分类统计分析（Statistics） 。1)可能性矩阵（Contingency matrix）分类评价单击 中的 evalua
5、te 中的 contingency ，并对其进行图所示的设置，单击 OK,，于是 开始运行，完成之后单击 OK 得到下面的分类误差矩阵（混淆矩阵）2) 分离性评判 Evaluate-separability：单击 evaluate 中的 separability（欧式光谱距离，分类分离度，转换分离度， Jefferies 距离） ，对弹出的窗口中进行图示的设置，单击 OK，于是出现窗口 editor，dir：3.执行监督分类设置完成后执行监督分类。分类完成后，打开分类图像（Supervised.img）具体操作：单击 中的，对弹出的窗口进行如下图所示的设置，然后 OK，是运行，好后 OK。在
6、viewer 中将原始的 tif 格式的原图和新生成的 jdfl.img 叠加在一起，然后单击 swipe 得：将 和新生图的 raster attribute 进行比较4.分类精度评估执行了监督分类之后，需要对分类精度进行评估。分类精度评估是将专题分类图像中的特定像元与已知分类的参考像元进行比较，实际工作中常常是将分类数据与地面真值、先前的试验地图、航空像片或其它数据进行对比。下面是操作过程：（1）在视窗中打开原始图像和生成图像的叠加图（2）在 Classifier /Classification 菜单中，选择 Accuracy Assessment 菜单项，进入精度评估模块。Accurac
7、y Assessment 对话框中显示了一个精度评估矩阵（Accuracy Assessment Cellarray） 。精度评估矩阵中将包含分类图像若干像元的几个参数和对应的参考像元的分类值。这个矩阵值可以使用户对分类图像中的特定像元与作为参考的已知分类的像元进行比较，参考像元的分类值是用户自己输入的。矩阵数据存在分类图像文件中。（3）打开分类专题图像。在 Supervised Image 对话框中打开与视窗中对应的分类专题图像。（4）将原始图像视窗与精度评估视窗相连接。（5）在精度评价对话框中设置随机点的色彩。（6）产生随机点。本步骤将在分类图像中产生一些随机的点，随机点产生之后，需要用户
8、给出随机点的实际类别。然后，随机点的实际类别与在分类图像的类别将进行比较。（7）显示随机点及其类别。在 Accuracy Assessment 对话框中，点击 View/Show All(所有随机点均以第五步设置的颜色显示在视窗中)，点击 Edit/Show Class Values（各点的类别号出现在数据表的 class 字段中） 。（8）输入参考点对应的实际类别值。在数据表的 Reference 字段输入各个随机点的实际类别值（只要输入参考点的实际分类值，它在视窗中的色彩就变为第五步设置的 Point With Reference 颜色） 。（9）设置分类评价报告输出环境及输出分类评价报告
9、。在 Accuracy Assessment 对话框中，确定分类评价报告的参数，产生分类精度报告。所有报告将显示在ERDAS 文本编辑器窗口，可以保存为文本文件。通过对分类结果的评价，如果对分类精度满意，保存结果。如果不满意，可以进一步做有关的修改，如修改分类模板、或者对其它功能进行调整。具体操作：在 Classifier /Classification 菜单中，选择 Accuracy Assessment 菜单项，进入精度评估模块。在弹出的对话框中单击 file 中 open，打开生成的 jdfl.img，接着单击view 中点击 selet viewer，然后点击要 view 的图像，接着
10、单击 edit 中的 create/add random points，设置参数如图所示，设置后 OK，于是就得到下图在 单击 view 中的 show all，于是原图变化为对照着图中的标记，以及 中的各物象的代号值将accuracy assessment 中的 reference 填满。接着单击 accuracy assessment 中的 report 中的 accuracy report 得当总精度达到 85%以上算合格，本人这次操作的总精度为 5%不合格。还需重新分类。5.分类后处理监督分类后，在分类结果中会产生一些面积很小的图斑，对专题制图和实际应用都会产生一定的影响，有必要对这些
11、小图斑进行一系列处理。ERDAS 系统中的 GIS 分析命令Clump、 Sieve、 Eliminate 可以综合完成小图斑的处理工作。6.栅格转矢量为了使分类后的栅格图像，转换为 GIS 能够直接分析的矢量地图，需要进行栅格转矢量操作。具体步骤是：在 ERDAS 的 Vector /Raster To Vector 菜单中进行转换。为 arcinfo 格式：点击 OK 按钮，在弹出的对话框中可以设置容忍度为 5：点击 OK 按钮，则可以在 ArcMap中打开转换后的矢量图。本人分类不胜成功的图矢量化后的图三，实验小结通过本次实验，还是觉得要反复操作，也不能就是在上课的时候听一下，操作一下，这是远远不够的。
