ERDAS 非监督分类 入门使用.docVIP

遥感图像自动分类识别——非监督分类 朱良君 一、实验原理 非监督分类运用ISODATA（Iterative Self-Organizing Data Analysis Technique，基于最小光谱距离公式）算法，完全按照像元的光谱特性进行统计分类，常常用于对分类区没有什么了解的情况，是用该方法时，原始图像的所有波段都参与分类计算，分类结果往往是各类像元数大体等比例。由于人为干预较少，非监督分类过程的自动化程度较高。非监督分类一般要经过以下几个步骤：初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换、统计分析。 ERDAS是用ISODATA算法来进行非监督分类。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达到设定阈值或者两次聚类结果相比有打到要求百分比的像元类别已经不再发生变化。 二、实验素材 本次实习用的影像为：germtm.img。 三、实验内容 1、非监督分类。 2、分类评价，给各类别标注名称和相应颜色。 3、分类后处理，包括聚类统计（Clump）、过滤分析（Sieve）、去除分析（Eliminate）、分类重编码（Recode）。 四、实验步骤 下表为实验截图以及操作简单说明。 原图像 Data Preparation-Unsupervised Classification 设置相关参数，完成非监督分类，获得一个初步的分类结果。 初步分类结果图像 获得一个初步的分类结果以后，可以应用分类叠加（Classification Overlay）方法来评价、检查分类精度。 结果图 Lnlandc.img原图像 聚类统计是通过对分类专题图像计算每个分类图斑的面积、记录相邻区域中最大图斑面积的分类值，产生一个Clump类组输出图像，其中每个图斑都包含Clump类组属性，该图像是一个中间文件，用于下一步处理。 本例采用Lnlandc.img图像。 Clump设置参数 效果图 Sieve参数设置 过滤分析功能是对Clump处理后的Clump类组图像进行处理，按照定义的数值大小，删除Clump图像中较小的类组图斑，并给所有小图斑赋予新的属性值0。 效果图 Eliminate参数设置 去除分析是用于删除原始分类图像中的小图斑或Clump聚类图像中的小Clump类组，它将删除的小图斑合并到相邻的最大的分类当中。 效果图 Recode参数设置 分类重编码主要是针对非监督分类的，由于非监督分类过程中，一般要定义比最终需要多一定数量的分类数，在获得分类方案后，首先要将专题分类图像与原始图像对照，判断每个分类的专题属性，然后对相近或类似的分类通过图像重编码进行合并，并定义分类名称和颜色，分类重编码还可以用在很多其他方面，作用有所不同。 Thematic Recode中将原来的十类合并为五类