监督分类

实验十监督分类

实例与练习：某地区的遥感影像监督分类

背景：现有某地区TM影像，需要进行土地利用类型划分，并对分类结果进行评价。本例中使用监督分类的方法，实现土地利用类型的划分。

目的：通过练习，熟练掌握并理解监督分类的方法、评价方法的原理及实现过程，体会在具体应用中的适应性。

监督分类流程图：

监督分类过程

1 定义分类模板

（1）在viewer窗口中选择打开smtm.img，在raster options选择fit to frame

（2）单击classifer|classification|signature editor，打开分类模板编辑器（signature editor）（3）在viewer窗口中打开raster|tools，打开raster工具面板

（4）选择AOI多边形绘制按钮，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AOI区域加载到signature editor分类模板属性表中

（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AOI区域加载到signature editor分类模板属性表中

（6）用同样的方法加载9个深蓝色多边形AOI

（7）在分类模板属性表中，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

（8）单击其signature name属性进入编辑状态，输入water，单击color属性，选择深蓝色

（9）在signature editor菜单条，单击edit|delete，删除合并前的模板

（10）在图像上继续选择多个砖红色区域AOI（farmland），赭色区域AOI（forest），绿色区域AOI（grass），浅蓝色区域AOI（resident）

（11）单击signatureedit|file|save命令，打开保存对话框，确定是保存所有模板(all)，并保存分类模板文件的目录

2评价分类模板

（1）分类预警评价

①选中water类别

②在signature editor窗口，选择某类或者某几类模板，单击view|image alarm命令，打开

signature alarm对话框

③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

④点击edit parallelepiped limit|limit|set，设置计算方法（method）：minimum/maximum，

并选择使用的模板：current（当前模板）

⑤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

⑥在viewer窗口，选择utility|flick命令，选择auto mode，speed设为600.

⑦按照同样的方法分别对forest, farmland, grass类进行预警掩膜，查看准确性

（2）可能性评价

①选中signature editior属性表中的所有类别

②单击evaluate|contingency, 打开contingency matrix对话框，nonparamatric选择feature space, overlap rules选择parametric rule，unclassified rule选择paramatric rule，paramatric rule 选择maximum likehood

③ 设置完成后，点击ok按钮，便显示分类误差矩阵，若误差矩阵大于85%，结果令人满

意。

（3）分类的分离性

①在模板编辑器中选择water、forest

②选择signature editor|evaluate|separability命令，打开signature separability对话框

③组合数据层数（layer per combination）选择3，distance meature选择transformed divergence，output form选择ASCII，report type选择complete report

④点击ok完成设置，计算其分离性

⑤一次选择其他类的计算分类的分离性。若TD值均大于1700，说明可以分开

3 进行监督分类

（1）选择处理图像文件为smtm

（2）在input signature中选择super.img

（3）在classified file中设置输出数据存储路径及其名称，这里为super.img （4）选中输出分类距离文件为distance file

（5）在non-parametric rule中选择feature space

（6）在overlap rule中选择parametric rule

（7）在unclassified rule中选择parametric rule

（8）在parametric rule中选择maximum likehood

（9）单击ok，执行监督分类

4 结果评价

（1）分类叠加

结束监督分类后，在viewer窗口打开smtm.img和super.img，在打开super.img时raster options中去除clear display选项。

在viewer窗口，选择utility|flick命令，选择auto mode，speed设为600。检查分类结果的准确性。

（2）分类评估

第一步：在视窗中打开原始图像

在Viewer中打开分类前的原始图像，以便进行精度评估。

第二步：启动精度评估对话框

ERDAS 图标面板菜单条：Main→Image Classification →Classification

或ERDAS 图标面板工具条：点击Classifier 图标→Classification菜单

→选择Accuracy Assessment菜单项

→打开Accuracy Assessment对话框

Accuracy 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。

第三步：打开分类专题图像

Accuracy Assessment 对话框菜单条：File→Open

→打开Classified Image对话框

→在Classified Image对话框中确定与视窗中对应的分类专题图像

→OK（关闭Classified Image对话框）

→返回Accuracy Assessment对话框

第四步：将原始图像视窗与精度评估视窗相连接

Accuracy Assessment对话框：

→工具条：点击Select Viewer图标（或菜单条：选择View 菜单的Select Viewer）→将光标在显示有原始图像的视窗中点击一下

→原始图像视窗与精度评估视窗相连接

第五步：在精度评价对话框中设置随机点的色彩

Accuracy Assessment对话框：

→菜单条View →Change Colors菜单项

→打开Change color面板

→在Points with no Reference确定没有真实参考值的点的颜色

→在Points with Reference确定有真实参考值的点的颜色

→OK（执行参数设置）

→返回Accuracy Assessment对话框

第六步：产生随机点

本步操作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。

Accuracy Assessment对话框：

→Edit →Create/Add Random Points