遥感实验：监督分类

监督分类（一）

数字图像处理

实习内容 监督分类 训练样区 图像分类 监督分类

9不同于无监督分类，监督分类由分类者严密控制。分类前需要知道分类的数据以及所需要分的类。在这个过程中，您选择像素能够代表某种类别的模式或土地覆盖类别，这些类别和模式你可以借助其他数据来源，如航空照片，地面真实数据或者地图。

9通过你定的模式，计算机系统可以自动查找具有类似特点的像素。如果分类是准确的，此分类结果代表初分类。

监督分类的基本步骤

监督分类是一个反复的过程，主要有以下步骤：

1.训练样区并创建特征

2. 评价和编辑特征

3. 图像分类

4. 评价分类结果实习内容 监督分类 训练样区 图像分类

怎样定义训练样本？

训练样本就是选择一组像素代表一定潜在类别。在

ERDAS image 中，用户可以选择以下方法完成：¾通过矢量层

¾通过的AOI

¾通过特定区域具有相似光谱特征的一组连续像素

¾通过专题栅格层的某个类别，例如：无监督分类的输出结果打开germtm.img

启动AOI 工具. 单击the AOI style 按纽设置AOI前景色和背景色为可识别的颜色

尝试其他光谱颜色分配R: 4; G:5; B:3

启动Classifier /Signature Editor

应该创建多边形AOI 工具在图像上暗蓝色区域创建一AOI (可根据需要放

大图像).

在Signature Editor窗口采用Add AOI to signature按纽，添加水域样区1

水域样区1

找到另外一处水域样本，采用AOI growth tool添加单击AOI growth 按钮, 然后单击样本的中间

可以自动产生

复杂的多边

形！单击Region Growing Properties 按钮

在Region Growing Properties Dialog 调整AOI包含更多更纯的样本区，变换the Area and Spectral Distance, 然后单击Redo直到满意为止.

在signature editor窗口添加第2个水域样本区融合相似的训练样本区

融合相似的训练样本区

如果此特征被应用，输出的分类结果如何？

选择signature “water”

View…/ Image Alarm…,

在signature alarm dialog单击“OK”.

对植被重复同样的步骤

找出一块红色区域作sample 1 of forest

创建一个仅包含植被的AOI ，并添加为特征区域找出一块亮红色区域作为the sample 2 of forest

创建一个仅包含亮红色区域的AOI (采用polygon tool or AOI growth tool)

将AOI sample 2 添加为植被的另外一个特征区找出一块暗红色区域作为the sample 3of forest

创建一个仅包含暗红色区域的AOI (采用polygon tool or AOI growth

将这三个植被样区融合为一个新特征命名为forest, 并将其颜色改为暗绿色删除以上最初的三个植被样本区选择“water”及“forest”signatures

采用Image alarm 查看哪些象素被各自分类到water (light blue) 和forest(dark green)

勾选the indicate overlap 并设置重叠颜色为黑色

对农田（farmland）重复同样的步骤

找出一块亮绿色区域作sample 1 of farmland

创建一个仅包含farmland的AOI ，并添加为特征区域

找出并添加farmland的另外一块样本区域

将这两个农田（farmland）样区融合为一个新特征

命名为farmland,并将其颜色改为黄色

删除以上最初的二个农田样本区

选择所有特征区，再次采用Image alarm查看潜在的分类区及分类重叠区对城镇居民点（urban）重复同样的步骤

找出一块亮蓝色区域作sample 1 of urban

创建一个仅包含urban的AOI ，并添加为特征区域融合相类似区域，并重新设置名称和颜色

对农村居民点（suburban）重复同样的步骤

找出一块红色和蓝色混合区域作为suburban的样本区创建一个仅包含suburban的AOI ，并添加为特征区域融合相类似区域，并重新设置名称和颜色选择所有signatures

再次采用Image alarm 查看潜在的分类区和重叠区域仔细查找没有被分类的像素

将白色和亮绿色混合区域设为裸土（bare soil）的样本区创建一个仅包含bare soil的AOI ，并添加为特征区域

融合相类似区域，并重新设置名称和颜色再次, 选择signatures

再次采用Image alarm 查看潜在的分类区和重叠区域仔细查找没有被分类的像素，并添加其他signatures

重置class value

“class value”为相应地物类分类图像的像元数.

采用“class value”升序（ascending order）重置signature顺序保存signature file

采用supclass.sig保存signature file

保存AOI file

以supclass.aoi为文件名保存AOI file

实习内容

监督分类

训练样区

图像分类