监督分类、非监督分类操作手册

ERDASIMAGINEProfessional操作手册—监督分类和非监督分类图像分类简介：图像分类就是基于图像像元的数据文件值，将像元归并成有限几种类型、等级或数据集的过程。常规图像分类主要有两种方法：非监督分类与监督分类，专家分类方法是近年来发展起来的新兴遥感图像分类方法，下面介绍这三种分类方法。非监督分类运用1SODATA（IterativeSelf-OrganizingDataAnalysisTechnique）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。使用该方法时。原始图像的所有波段都参于分类运算，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。监督分类比非监督分类更多地要求用户来控制，常用于对研究区域比较了解的情况。在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。对分类结果进行评价后再对模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。监督分类一般要经过以下几个步骤：建立模板（训练样本）、评价模板、确定初步分类图、检验分类结果、分类后处理、分类特征统计、栅格矢量转换。专家分类首先需要建立知识库，根据分类目标提出假设，井依据所拥有的数据资料定义支持假设的规则、条件和变量，然后应用知识库自动进行分类，ERDASIMAG1NE图像处理系统率先推出专家分类器模块，包括知识工程师和知识分类器两部分，分别应用于不同的情况。由于基本的非监督分类属于IMAGINEEssentia1s级产品功能、但在1MAGINEProfessional级产品中有一定的功能扩展，而监督分类和专家分类只属于IMAGINEProfeSsiona1级产品，所以，非监督分类命令分别出现在DataPreparation菜单和classification菜单中，而监督分类和专家分类命令仅出现在Classification菜单中。1、非监督分类（UnsupervisedClassification）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。1、在ERDASIMAGINE图标面板上，点击Dataprep图标。打开DataPreparation对话框：生成专题栅格层1、从DataPreparation菜单选择UnsupervisedClassification。打开UnsupervisedClassification对话框。2、在DataPreparation菜单上点击Close。3、在UnsupervisedClassification对话框中的InputRasterFile，输入germtm.img。4、在OutputFile下输入germtm_isodata.img。设置InitialClusterOptions5、在ClusteringOptions下，NumberofClasses后输入10。选择处理选项1、在ProcessingOptions下的定义最大循环次数（MaximumIterations）为24。最大循环次数（MaximumIterations）是指ISODATA重新聚类的最多次数，这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。一般在应用中将循环次数都取6次以上。2、设置循环收敛阈值（ConvergenceThreshold）为0.95。收敛阈值（ConvergenceThreshold）是指两次分类结果相比保持不变的像元所占最大百分之此值的设立可以避免ISODATA无限循环下去。3、在UnsupervisedClassification对话框中，点击OK。4、在JobStatus对话框中，当完成100%时，点击OK。2、监督分类内容：定义分类模板、评价分类模板、进行监督分类、评价分类结果。监督分类一般有以下几个步骤：定义分类模板（DefineSignatures）、评价分类模板（EvaluateSignatures）、进行监督分类（PerformSupervisedClassification）、评价分类结果（EvaluateClassification）。下面将结合例子说明这几个步骤。定义分类模板（DefineSignatureUsingsignatureEditor）准备工作1、显示需要进行分类的图像，从Viewer菜单条上选择File-Open-RasterLayer，显示需要分类的图像，打开SelectLayerToAdd对话框：2、在SelectLayerToAdd对话框的Filename部分，从ERDAS_Data_Home/examples路径下选择germtm.img，这个影像将被进行分类。3、在对话框的上面点击RasterOptions，然后设置LayerstoColors的Red，Green，Blue分别为4，5和3。4、点击FittoFrame选项。5、在SelectLayerToAdd对话框里，点击OK。打开模板编辑器1、在ERDASIMAGINE图标面板上，点击Classifier图标。显示Classification菜单。2、从Classification菜单上选择SignatureEditor，运行SignatureEditor。打开SignatureEditor。3、在Classification菜单上，点击Close，从屏幕上去除这个菜单。4、在SignatureEdit上选择View→Columns，打开ViewSignatureColumns对话框。5、在ViewSignatureColumns对话框的第一栏Column上右键，进入RowSelection菜单，点击SelectALL。6、按住Shift键，选择Column的3，4，5对应的Red,Green，Blue取消选中这些行。7、在ViewSignatureColumns对话框中，点击Apply。8、在ViewSignatureColumns对话框中，点击Close。应用AOI工具获取分类模板信息1、在Viewer菜单条上，选择AOI-Tools。显示AOI工具面板。2、在Viewer工具条上的放大工具，放在Viewer中的germtm.img的亮绿色区域。3、在AOI工具面板上，点击多边形图标。4、在Viewer中的放大的绿色区域中画多边形。5、在SignatureEditor上，点击图标或者从工具条上选择Edit-Add将多边形AOI区域加载到Signature分类模板中。6、在SignatureEditor上，在刚加的样本的SignatureName栏点击，改变名字为AgriculturalField_1，然后按Enter键。7、在SignatureEditor上，点击AgriculturalField_1旁的Color栏，选择Green。8、在Viewer窗口中的germtm.img影像上的浅蓝/蓝绿色区域上放大。9、重复步骤2到4，画多边形。10、建立完多边形后，多边形周围的框表明这个多边形已经被选中。在在SignatureEditor上，点击图标或者从工具条上选择Edit-Add将多边形AOI区域加载到Signature分类模板中。11、在SignatureEditor上，在刚加载的样本的SignatureName栏点击，改变名字为AgriculturalField_2，然后按Enter键。12、在SignatureEditor上，点击AgriculturalField_2旁的Color栏，选择Cyan。选择临近选项（SelectNeighborhoodOptions）1、从Viewer菜单上，选择AOI-SeedProperties。打开RegionGrowingProperties对话框。2、在RegionGrowingProperties对话框中，点击临近图标。3、在GeographicConstrains下，选中Area检查框设置地理约束，在Area字段后输入300。4、在SpectralEuclideanDistance中设置距离为：10。5、在RegionGrowOptions对话框中，点击Options。打开RegionGrowOptions对话框。6、在RegionGrowOptions对话框中，确保IncludeIslandPo1ygons被选中。7、在RegionGrowOptions对话框中，点击Close。建立一个AOI1、在AOI工具面板上，点击区域增长图标。2、在Viewer中的germtm.img亮红区域上点击。这是森林区域。3、在RegionGrowingProperties对话框中，在Area和SpectralEuclideanDistance字段重新输入数字，Area为500，SpectralEuclideanDistance为15。4、在RegionGrowingProperties对话框中，点击Redo，用新的参数修改AOI多边形。加载一个样本1、AOI选择之后，点击图标，将扩展AOI区域加载到signature分类模板中。2、在SignatureEditor中，改变刚才加入模板的SignatureName的名字（Name）为Forest_1，然后按Enter。3、在SignatureEditor中，改变Forest_1的Color，选择Yellow。4、在RegionGrowingProperties对话框中，在Area字段中输入300。加载另一个样本1、在Viewer中，选择Utility-InquireCursor。2、在Viewer中的germtm.img影像上，将十字光标交点拖拉到一个深红区域，这是森林区域。3、在RegionGrowingProperties对话框中，点击GrowatInquire，等待显示多边形。4、产生一个AOI后，点击图标，将AOI区域加载到Signature分类模板中。5、在SignatureEditor中，改变刚才加入模板的SignatureName为Forest_2，然后按Enter。6、在SignatureEditor中，改变Forest_2的Color，选择Pink。7、在InquireCursor对话框和RegionGrowingProperties对话框中点击Close。安排层（ArrangeLayers）1、收集好训练样本之后，不再需要Viewer中的AOIs了。从Viewer菜单条上，选择View-ArrangeLayers。打开ArrangeLayers对话框。2、在ArrangeLayers对话框中，在AOILayer上右键，从AOIOptions选择DeleteLayer。3、在ArrangeLayers对话框中，点击Apply。4、你将会被问是否在关闭之前是否保存，点击No。5、在ArrangeLayers对话框中，点击Close。建立特征空间影像（CreateFeatureSpaceImage）1、从SignatureEditor菜单条上选择Feature-Create-FeatureSpaceLayers。打开CreateFeatureSpaceImages对话框。2、在CreateFeatureSpaceImages对话框中的InputRasterLayer,输入germtm.img。3、在CreateFeatureSpaceImages对话框中，选中OutputtoViewe