遥感数字图像信息提取
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
wenku.baidu.com
监督分类的过程 ERDAS 图标面板菜单条：Main→Image Classification→Classification 菜单 或 ERDAS 图标面板工具条：点击 lassifier lassifier图标 →Classification菜单 →Supervised Classification菜单项 →Supervised Classification对话框
设置见下图
Classified Data 草地 林地 耕地 ------0 12 1761 69 2 0 1844 Reference Data 建设用地
未利用地 ----0 ---------0 9 0 38 973 41 0 1061 1 3 121 0 125
水域 -----2 0 0 0 0 75 77
4.2监督分类的方法和过程
监督分类一般有以下几个步骤： 4.2.1定义分类模板（Define Signatures） 4.2.2评价分类模板（Evaluate Signatures） 4.2.3进行监督分类（Perform Supervised Classification） 4.2.4评价分类结果（Evaluate Classification）
第二步：打开模板编辑器并调整显示字段 ERDAS 图标面板工具，点击 C1assifier 目 标 →Classification 菜单 →Signature Editor 菜单项 →Signature Editor 对话框
从上图中可以看到有很多字段， red、green、 blue字段对分类的意义不大，希望不显示这些这 段，对其进行调整，方法为： 方法为： 方法为
19881025ha.img
19881025ha.sig
4.2.4评价分类结果
执行了监督分类之后，需要对分类效果进 行评价，ERDAS 系统提供了多种分类评 价方法，包括分类叠加(classification overlay ) )、定义阈值(thresholding)、分 (thresholding) 类编码 (recode classes)、精度评估 (accuracy assessment)等，我们介绍精 度评估
未利用土地 白色、灰白色，边界清晰，形状不规则
4.2.1定义分类模板（Define Signatures） ERDAS IMAGINE 的监督分类是基于分类 模板来进行的，而分类模板的生成、管理、 评价、和编辑等功能是由分类模板编辑器 来负责的。步骤为： 第一步：显示需要进行分类的图像 在视窗中显示d:\19881025ha.img(Red4 ／Green3／B1ue2)。
第三章遥感数字图像信息提取
淮阴师范学院城市与环境学院
重点和要求：
重点：掌握监督分类的方法与过程，加深 对监督分类方法的理解 完成的内容：讲解以对一幅淮安市 19881025TM图像进行监督分类 学生练习：独立完成淮安市20000916TM 影像的监督分类
内容
4.1监督分类含义 4.2监督分类的方法和过程
具体使用方法：在 Signature Editor 对话框： →在 signature Editor 中选择所有类别 →菜单条：Evaluation →Contingency →打开 Contingency Matrix对话框 →选择非参数规则（Non-parametric Rule ） ： Feature Space →选择叠加规则（Overlay Rule） ： Parametric Rule →选择未分类规则（Unclassified Rule ） ： Parametric Ru1e →选择参数规则（Parametric Rule） ：Maximum Likelihood →选择像元总数作为评价输出统计：pixel Counts →OK（关闭Contingency Matrix 对话框，计算分类误差 矩阵）
在监督分类过程中，用于分类决策的规则是多层 次的，如对非参数模板有特征空间、平行六面体 等方法，对参数模板有最大似然法Mahalanobis 距离、最小距离等方法。非参数规则与参数规则 可以同时使用，但要注意应用范围，如非参数规 则只能应用于非参数型模板，对于参数型模板， 要使用参数型规则。另外，如果使用非参数型模 板，还要确定叠加规则（Overlay rule）和未分 类规则（unclassified rule）。
Row Total ---------925 153 1800 1053 164 98 4193
----------
-----
----------
草地 林地 耕地 建设用地 未利用地 水域 Column Total
914 0 0 8 0 23 945
0 141 0 0 0 0 141
4.2.3执行监督分类
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
第三步：获取分类模板信息 可以分别应用 AOI 绘图工具、 AOI扩展工 具、查询光标等三种方法，在原始图像或 特征空间图像中获取分类模板信息。 这里应用AOI绘图工具获取分类模板信息
方法为：在显示有 19881025ha.img 图像的视窗： →点击 图标（或者选择 Raster 菜单项→选择 Tools 菜 单） →打开 Raster 工具面板 →点击 Raster 工具面板的 图标 →在视窗中选择蓝色区域，绘制一个多边形 AOI →在Signature Editor 对话框，点击 图标，将多边 形 AOI 区域加载到 Signature 分类模板中 →在 Signature Editor 中，改变刚才加入模板的 Signature Name和 Color。 →重复上述操作过程以多选择几个蓝色区域 AOI,并将其 作为新的模板加入到 Signature Editor 当中，同时确 定各类的名字及颜色。
→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
在 Supervised Classification 对话框中，需要确定下列参数： →确定输入原始文件（Input Raster File）：19881025ha.img →定义输出分类文件（Classified File）： Classify.img →确定分类模板文件（Input Signature File）：19881025ha.sig →选择输出分类距离文件：Distance File（用于分类结果进行阈值处 理） →定义分类距离文件（Filename）：19881025ha-distance.img →选择非参数规则(Non_parametric Rule):Feature Space →选择叠加规则(Overlay Rule):Parametric Rule →选择未分类规则(Unclassified Rule):Parametric Rule →选择参数规则(Parametric Rule):Maximum Likelihood →不选择 Classify zeros（分类过程中是否包括 0值） →OK （执行监督分类，关闭 supervised Classification 对话框）
以1988年淮安市的landsat5tm影像为例进 行说明 使用的数据是经过几何纠正、区域裁剪、 以及图像增强过的数据19881025ha.img 选取的分类体系为：耕地、林地、草地、 水域、（城乡、工矿、居民用地 ）、未利 用地六大类
六类土地利用类型在TM影像的特征为
序号 1 2 3 4 5 6 土地类型 耕地 林地 草地 水域 建设用地 TM影像特征 深红色或红白色，几何特征较规则，边界清楚， 空间上呈格网状 成片鲜红色或深灰绿色，色调较均匀，边界自然 圆滑但不规则，结构较粗糙 粉红色或深青色，结构均一，面状、条带状，边 界清晰 黑蓝或淡蓝色，片状或者带状，边界清晰 灰蓝色或黑灰色，形状规则，呈团状或者片状， 面积较大，一般有交通线穿过，居民点内部和 村庄周围通常栽种树木，呈现红色阴影
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
分类精度评估是将专题分类图像中的特定 像元与已知分类的参考像元进行比较，实 际工作中常常是将分类数据与地面真值、 先前的试验地图、航空相片或其它数据进 行对比的途径
操作过程为： 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
4.1监督分类含义
图像分类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：非监督分类和监督 分类 非监督分类：是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。 监督分类：要用户来控制，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判定其类型的像元 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。
第四步：保存分类模板
4.2.2评价分类模板
分类模板建立之后，就可以对其进行评价，删除、更名、与其它分 类模板合并等操作。这里用可能性矩阵 进行评价
可能性矩阵（Contingency Matrix ）评价工具是根据 分类模板，分析 AOI 训练区的像元是否完全落在相应的 类别之中。 可能性矩阵的输出结果是一个百分比矩阵，它说明每个 AOI训练区中有多少个像元分别属于相应的类别。AOI 训练样区的分类可应用下列几种分类原则：平于行六面 体（Parallelepiped） 、特征空间（Feature Space） 、最大似然（Maximum Likelihood） 、马 氏距离（Mahalanobis Distance） 。
Signature Edit 对话框菜单条： View→Columns→view signature columns 对话框
→点击最上一个字段的 Colunmn 字段下拖拉直到 最后一个段,此时，所有字段都被选择上。 →按住 shift 键的同时分别点击 Red、 Green、 B1ue 三个字段 Red、Green、 Blue 三个字 段将从选择集中被清除。 →点击 Apply 按钮 →点击 Close 按钮 从View Signature Columns 对话框可以看到 Red、 Green、 Blue 三个字段将不再显示。
如果对同一个专题类型（如水体）采集了多个 AOI 并分别生成了模板，可以将这些模板合并， 以便该分类模板具多区域的综合特性。 具体做法是在 Signature Editor 对话框中，将该 具体做法 类的 Signature 全部选定，然后点击合并 图标，这时一个综合的新模板生成，原来的多个 Signature 同时存在（如果必要也可以删除）。
监督分类的过程 ERDAS 图标面板菜单条：Main→Image Classification→Classification 菜单 或 ERDAS 图标面板工具条：点击 lassifier lassifier图标 →Classification菜单 →Supervised Classification菜单项 →Supervised Classification对话框
设置见下图
Classified Data 草地 林地 耕地 ------0 12 1761 69 2 0 1844 Reference Data 建设用地
未利用地 ----0 ---------0 9 0 38 973 41 0 1061 1 3 121 0 125
水域 -----2 0 0 0 0 75 77
4.2监督分类的方法和过程
监督分类一般有以下几个步骤： 4.2.1定义分类模板（Define Signatures） 4.2.2评价分类模板（Evaluate Signatures） 4.2.3进行监督分类（Perform Supervised Classification） 4.2.4评价分类结果（Evaluate Classification）
第二步：打开模板编辑器并调整显示字段 ERDAS 图标面板工具，点击 C1assifier 目 标 →Classification 菜单 →Signature Editor 菜单项 →Signature Editor 对话框
从上图中可以看到有很多字段， red、green、 blue字段对分类的意义不大，希望不显示这些这 段，对其进行调整，方法为： 方法为： 方法为
19881025ha.img
19881025ha.sig
4.2.4评价分类结果
执行了监督分类之后，需要对分类效果进 行评价，ERDAS 系统提供了多种分类评 价方法，包括分类叠加(classification overlay ) )、定义阈值(thresholding)、分 (thresholding) 类编码 (recode classes)、精度评估 (accuracy assessment)等，我们介绍精 度评估
未利用土地 白色、灰白色，边界清晰，形状不规则
4.2.1定义分类模板（Define Signatures） ERDAS IMAGINE 的监督分类是基于分类 模板来进行的，而分类模板的生成、管理、 评价、和编辑等功能是由分类模板编辑器 来负责的。步骤为： 第一步：显示需要进行分类的图像 在视窗中显示d:\19881025ha.img(Red4 ／Green3／B1ue2)。
第三章遥感数字图像信息提取
淮阴师范学院城市与环境学院
重点和要求：
重点：掌握监督分类的方法与过程，加深 对监督分类方法的理解 完成的内容：讲解以对一幅淮安市 19881025TM图像进行监督分类 学生练习：独立完成淮安市20000916TM 影像的监督分类
内容
4.1监督分类含义 4.2监督分类的方法和过程
具体使用方法：在 Signature Editor 对话框： →在 signature Editor 中选择所有类别 →菜单条：Evaluation →Contingency →打开 Contingency Matrix对话框 →选择非参数规则（Non-parametric Rule ） ： Feature Space →选择叠加规则（Overlay Rule） ： Parametric Rule →选择未分类规则（Unclassified Rule ） ： Parametric Ru1e →选择参数规则（Parametric Rule） ：Maximum Likelihood →选择像元总数作为评价输出统计：pixel Counts →OK（关闭Contingency Matrix 对话框，计算分类误差 矩阵）
在监督分类过程中，用于分类决策的规则是多层 次的，如对非参数模板有特征空间、平行六面体 等方法，对参数模板有最大似然法Mahalanobis 距离、最小距离等方法。非参数规则与参数规则 可以同时使用，但要注意应用范围，如非参数规 则只能应用于非参数型模板，对于参数型模板， 要使用参数型规则。另外，如果使用非参数型模 板，还要确定叠加规则（Overlay rule）和未分 类规则（unclassified rule）。
Row Total ---------925 153 1800 1053 164 98 4193
----------
-----
----------
草地 林地 耕地 建设用地 未利用地 水域 Column Total
914 0 0 8 0 23 945
0 141 0 0 0 0 141
4.2.3执行监督分类
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
第三步：获取分类模板信息 可以分别应用 AOI 绘图工具、 AOI扩展工 具、查询光标等三种方法，在原始图像或 特征空间图像中获取分类模板信息。 这里应用AOI绘图工具获取分类模板信息
方法为：在显示有 19881025ha.img 图像的视窗： →点击 图标（或者选择 Raster 菜单项→选择 Tools 菜 单） →打开 Raster 工具面板 →点击 Raster 工具面板的 图标 →在视窗中选择蓝色区域，绘制一个多边形 AOI →在Signature Editor 对话框，点击 图标，将多边 形 AOI 区域加载到 Signature 分类模板中 →在 Signature Editor 中，改变刚才加入模板的 Signature Name和 Color。 →重复上述操作过程以多选择几个蓝色区域 AOI,并将其 作为新的模板加入到 Signature Editor 当中，同时确 定各类的名字及颜色。
→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
在 Supervised Classification 对话框中，需要确定下列参数： →确定输入原始文件（Input Raster File）：19881025ha.img →定义输出分类文件（Classified File）： Classify.img →确定分类模板文件（Input Signature File）：19881025ha.sig →选择输出分类距离文件：Distance File（用于分类结果进行阈值处 理） →定义分类距离文件（Filename）：19881025ha-distance.img →选择非参数规则(Non_parametric Rule):Feature Space →选择叠加规则(Overlay Rule):Parametric Rule →选择未分类规则(Unclassified Rule):Parametric Rule →选择参数规则(Parametric Rule):Maximum Likelihood →不选择 Classify zeros（分类过程中是否包括 0值） →OK （执行监督分类，关闭 supervised Classification 对话框）
以1988年淮安市的landsat5tm影像为例进 行说明 使用的数据是经过几何纠正、区域裁剪、 以及图像增强过的数据19881025ha.img 选取的分类体系为：耕地、林地、草地、 水域、（城乡、工矿、居民用地 ）、未利 用地六大类
六类土地利用类型在TM影像的特征为
序号 1 2 3 4 5 6 土地类型 耕地 林地 草地 水域 建设用地 TM影像特征 深红色或红白色，几何特征较规则，边界清楚， 空间上呈格网状 成片鲜红色或深灰绿色，色调较均匀，边界自然 圆滑但不规则，结构较粗糙 粉红色或深青色，结构均一，面状、条带状，边 界清晰 黑蓝或淡蓝色，片状或者带状，边界清晰 灰蓝色或黑灰色，形状规则，呈团状或者片状， 面积较大，一般有交通线穿过，居民点内部和 村庄周围通常栽种树木，呈现红色阴影
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
分类精度评估是将专题分类图像中的特定 像元与已知分类的参考像元进行比较，实 际工作中常常是将分类数据与地面真值、 先前的试验地图、航空相片或其它数据进 行对比的途径
操作过程为： 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
4.1监督分类含义
图像分类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：非监督分类和监督 分类 非监督分类：是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。 监督分类：要用户来控制，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判定其类型的像元 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。
第四步：保存分类模板
4.2.2评价分类模板
分类模板建立之后，就可以对其进行评价，删除、更名、与其它分 类模板合并等操作。这里用可能性矩阵 进行评价
可能性矩阵（Contingency Matrix ）评价工具是根据 分类模板，分析 AOI 训练区的像元是否完全落在相应的 类别之中。 可能性矩阵的输出结果是一个百分比矩阵，它说明每个 AOI训练区中有多少个像元分别属于相应的类别。AOI 训练样区的分类可应用下列几种分类原则：平于行六面 体（Parallelepiped） 、特征空间（Feature Space） 、最大似然（Maximum Likelihood） 、马 氏距离（Mahalanobis Distance） 。
Signature Edit 对话框菜单条： View→Columns→view signature columns 对话框
→点击最上一个字段的 Colunmn 字段下拖拉直到 最后一个段,此时，所有字段都被选择上。 →按住 shift 键的同时分别点击 Red、 Green、 B1ue 三个字段 Red、Green、 Blue 三个字 段将从选择集中被清除。 →点击 Apply 按钮 →点击 Close 按钮 从View Signature Columns 对话框可以看到 Red、 Green、 Blue 三个字段将不再显示。
如果对同一个专题类型（如水体）采集了多个 AOI 并分别生成了模板，可以将这些模板合并， 以便该分类模板具多区域的综合特性。 具体做法是在 Signature Editor 对话框中，将该 具体做法 类的 Signature 全部选定，然后点击合并 图标，这时一个综合的新模板生成，原来的多个 Signature 同时存在（如果必要也可以删除）。