ERDAS入门基础教程-图像分类.ppt
ERDAS IMAGINE 9.2,遥感数字图像处理入门基础教程-图像分类,昆明信飞科技有限公司,2023/11/7,图像分类同类地物在相同的条件下（光照、地形等）应该具有相同或相似的光谱信息和空间信息特征。反之，不同类的地物之间具有这些差异。根据这种差异，将图像中的所有像素按其性质分类若干个类型（Class）的过程，称为图像的分类。,目的：分类的目的是从图像中识别实际地物，进而提取地物信息，其过程实际上就是将图像中的每个像元点或区域归于若干个类型中的一类，或若干个专题要素中的一种。结果：图像分类结果是将图像空间划分为若干个子区域，每个区域代表一类地物。,方法：非监督分类、监督分类、专家分类非监督分类：先对分类过程不施加任何先验知识，仅凭像元的光谱特征，运用迭代自组织数据分析（ISODATA）算法，把一组像素按照相似性归成若干类别。监督分类：与非监督分类不同，监督分类是在对遥感图像上地物类别属性已经有了先验知识的基础上进行的，即要从图像中选取所要区分的各类地物的样本，建立模板再进行自动识别。专家分类：首先利用某一领域内专家的知识和经验建立知识库，然后依据分类目标提出假设，并制定支持假设的规则、条件和变量，最后运用知识库自动进行分类,在ERDAS IMAGINE 中分类操作涉及两个模块：分类模块（Classifier）和图像解译（Imagine Interpreter）。其中，分类模块可以完成图像的监督分类、非监督分类、专家分类、分类模板的定义、评价等操作，而在图像解译中的GIS Analysis中可以进行聚类统计、过滤分析、去除分析和分类重编码等分类后处理的操作。,一、非监督分类、启动非监督分类模块（方法一）,非监督分类,启动非监督分类模块（方法二）,非监督分类,、选择图像处理文件（Input Raster File）和输出文件（Output Cluster Layer Filename）设置被分类的图像和分类结果，并选择生成分类模板文件（Output Signature Set）产生一个模板文件。,、在非监督分类对话框中分别设置聚类选项（Clustering Options）和处理选项（Processing Options）：(1)系统提供Initial from Statistics方法和Use Signature Means，前者是按照图像的直方图统计值产生自由聚类，而后者是按照选定的模板文件进行分类，产生的类别数与模板的类别数一致。(2)确定初始分类数（Number of Classes），一般设置为最终分类数的两倍以上。,非监督分类,(3)选择 Initializing Options丨File Statistics 选项，打开File Statistics 选项窗口，在打开的窗口中设置 ISODATA 的统计参数：Initializing Means Along 和 Scaling Range 分别为计算初始均值所沿的轴和度量范围。,非监督分类,(4)选择 Color Scheme Options丨Output Color Scheme Option，设置分类图像颜色属性,3、设置处理选项（Processing Options），确定循环次数和阈值。,在Processing Options 栏选定最大循环次数（Maximum Iterations），它指重新聚类的最大次数，为了避免运行程序时间太长或由于没达到聚类标准而造成的死循环，一般设置在次以上。设置循环收敛阈值（Convergence Threshold），其值是指两次分类结果相比保持不变的像元所占的最大比例，目的在于避免 ISODATA 无限循环下去。Skip Factor 为遍历窗口的大小。单击按钮，执行非监督分类。,非监督分类,(1)在 Viewer 中打开原始图像和分类后的图像。(2)设置各类别的颜色如果分类后的图像是灰度显示的，其灰度由系统自动赋予，需要设置各类别的颜色，以增加图像的直观表达效果。打开Raster Attribute Editor对话框。,分类评价在执行非监督分类后，一个重要的工作就是分类评价，检查分类结果的精度调查分类方案。具体步骤如下：,非监督分类,打开Raster Attribute Editor对话框。在工具条单击按钮（或者单击 Raster丨Tools），打开 Raster 工具面板，单击按钮（或者选择 Raster丨Attributes），打开 Raster Attribute Editor对话框。,非监督分类,调整字段显示顺序。为了方便最先查阅重要的字段，经常需要调整字段显示顺序。在 Raster Attribute Editor 窗口，选择 Edit 菜单丨Column Properties 命令，打开 Column Properties 对话框，如下图所示，在 Column 列表框中选择字段，通过 Up、Down、Top、Bottom 按钮调其在属性表中的显示顺序。,非监督分类,设置颜色。同上，在 Raster Attribute Editor 对话框中单击某一类别的 Color 字段，在弹出的 As Is 中选择合适的颜色。,非监督分类,（3）确定类别精度并标注类别。已经得到了分类的结果，但是类别的精度和专题意义均未确定，确定类别的精度专题意义分以下步骤完成：确定类别意义和精度。由于分类结果覆盖在原图像之上，不便于进行单个类别的意义和精度的确定，因此要把不参与比较的类别设为透明，参与比较的类别设为不透明。在 Raster Attribute Editor 对话框中，点击 Opacity 字段名，从而进入可编辑状态，依据需要输入(即为透明)或(即为不透明)。此时便可进行类别意义和精度的确定，通过在 Utility 菜单下设置分类结果在原始图像背景上闪烁（Flick）、卷帘显示（Swipe）或混合显示（Blend），选择 Auto Mode 便可进行判别。,非监督分类,标注类别名称和颜色。在判断类别后就要在属性表标注分类名称。在 Raster Attribute Editor 窗口中，点击 Class Name 字段需要修改的类别，进入可输入状态，输入该类别的名称即可。同时，可按照步骤(2)设置颜色的方法设置。（4）分类方案的调整。经过以上步骤后，如果得到满意的分类结果，非监督分类即可结束。,非监督分类,监督分类,二、监督分类不同于非监督分类，监督分类基于先验知识，根据训练场提供的样本选择特征参数，建立判别函数，对分类点进行分类。训练场的选择是监督分类的关键，在监督分类中由于训练样本的不同，分类结果会出现极大的差异，因此应选取有代表性的样本，用于监督分类的训练样本应该是光谱特征比较均一的地区，在图像中根据均一的色调估计只有一类地物，且一类地物的训练样本可以选取一块以上。此外，用做样本的数目至少能满足建立分类判别函数的要求，对于光谱特征变化较大的地物，训练样本要足够得多，以反映其变化范围。一般情况下，要行到可靠的结果，每类至少选择10100个样本。,监督分类,分类过程、定义分类模板。(1)在 Viewer 窗口中选打开需要处理的影像。(2)单击 Classifier丨Classification丨Signature Editor，打开分类模板编辑器（Signature Editor）。(3)在 Viewer 窗口中点击，打开 Raster 工具面板。(4)选择按钮，进入多边形 AOI 绘制状态，在图像上选择深蓝色区域，绘制一个多边形 AOI，在 Signature Editor 窗口，单击按钮，将多边形区域加载到 Signature Editor 分类模板属性表中。,监督分类,(5)在图像上继续选择深蓝色区域，再绘制一个多边形 AOI，在 Signature Editor 窗口，单击按钮，将多边形区域加载到 Signature Editor 分类模板属性表中。(6)用同样的方法加载个深蓝色多边形 AOI。,监督分类,(7)在分类模板属性中，依次单击这些 AOI 的 Class#字段下的分类编号，（按住 shift 键），并单击，将所选中的模板合并成一个新的模板，则生成一个新的模板。,监督分类,(8)单击其 Signature Name 属性进入编辑状态后，输入 Water，点击 Color 属性，选择深蓝色。(9)在 Signature Editor 窗口，单击 Edit丨Delete，删除合并前的模板。,(10)在图像上继续选择多个砖红色区或 AOI（farmland），赭色区域 AOI（forest），绿色区域 AOI（grass），浅蓝色区域 AOI（resident）。,(11)单击 Signature Edit丨File丨Save 命令，打开保存对话框，确定是保存所有模板（All），并确定保存分类模板文件的目录和文件名，单击OK保存。,监督分类,2 评价分类模板(1)分类预警评价。选中 Water 类别。在 Signature Editor 窗口，选择某类或者某几类模板，单击 View丨Image Alarm 命令，打开 Signature Alarm 对话框。选中 Indicate Overlap 复选框，设置同时属于两个及以上的像元叠加预警显示，点击色框设置为黄色。点击 Edit Parallelepiped Limit丨Limit丨Set，设置计算方法（Method）：Minimum/Maximum，并选择使用的模板：Current（当前模板）。,监督分类,设置完成后，单击OK按钮，返回Limits对话框，单击Close按钮，返回Signature Alarm对话框，单击OK按钮执行分类预警评价，形成预警掩膜，单击Close按钮，关闭Signature Alarm对话框。,监督分类,在 Viewer 窗口，选择 Utility丨Flick 命令，选择 Auto Mode，Speed 设为600。按同样的方法分别对 forest farmland grass 类进行预警掩膜，查看准确性。结果发现 farmland 和 grass 分类面积过大，于是按照以上定义模板的方法选 AOI、删除、合并，再应用分类预警评介检验模板的准确性。,监督分类,(2)可能性评价。选中 Signature Editor 属性表中的所有类别。单击 Evaluate丨Contingency，打开 Contingency Matrix 对话框，Non-Parametric Rule 选择 Feature Space，Overlap Rules 选择 Parametric Rule，Unclassified Rule 选择 Parametric Rule，Parametric Rule 选择 Maximum Likehood。设置完成后，点击 OK 按钮，便显示分类误差矩阵，其结果如下图所示。,监督分类,(3)分类的分离性。在模板编辑器中选择water、forest。选择 Signature Editor丨Evaluate丨Separability 命令，打开 Signature Separability 对话框。组合数据层（Layers Per Combination）选择 3，Distance Measure 选择 Transformed Divergence，Output Form 选择 ASCII，Report Type选择 Complete Report。点击OK按钮完成设置，计算其分离性。依次选择其他的类计算分类的分离性。当TD的值大于1700则说明类可以分开，模板可以使用。,监督分类,(3)进行监督分类。完成以上步骤后便可进行监督分类，步骤如下：打开监督分类模块，Classifier丨Supervised Classification选择处理图像文件（Input Raster File）在 Input Signature File 选择分类模板文件*.sig在 Classified File 中设置输出数据存储路径及名称。选中输出分类距离文件为 Distance File。在 Non-Parametric Rule 中选择 Feature Space。在 Overlap Rule 中选择 Parametric Rule。在 Unclassified Rule 中选择 Parametric Rule在 Parametric Rule 中选择 Maximum Likelihhood。单击 OK 按钮，执行监督分类。,分类结果对比,（监督分类）,（非监督分类）,（原始影像）,谢谢！,
