实验三 监督分类.doc

实验三：遥感图像计算机分类-监督分类一、实验目的与要求掌握监督分类的方法与过程，加深对监督分类的基本原理以及过程的理解。二、实验内容ERDAS遥感图像监督分类：定义分类模板、进行监督分类、评价分类结果。三、实验原理监督分类则需要在分类前人们对遥感图像上某些抽样区中影像地物的类别属性已有了先验知识，即先建立训练区从图像中选取各类地物样本训练分类器。常用的分类方法有最小距离分类、多级切割法和最大似然法分类等。最大似然法通过求出每个像元对于各类别归属概率，把该像元分到归属概率最大的类别中去的方法。其前提是假定训练区地物的光谱特征近似服从正态分布。训练区的选取要求：训练区所包含的样本的种类要与待分区域的类别一致，训练样本要有代表性。四、实验步骤1、定义分类模板第一步：显示要进行分类的图像第二步：打开摸板编辑器并调整显示字段ERDAS 图标面板工具条，点击Classifier图标Classification菜单Signature Editor菜单项，打开Signature Editor对话框分类模板编辑器第三步：获取分类模板信息(1) 删除对分类意义不大的字段Signature Editor对话框菜单条,单击View|Columns命令，打开View signature columns对话框，点击最上一个字段的Co1unmn字段下拖拉直到最后一个段,此时，所有字段都被选择上，并用黄色（缺省色）标识出来。按住shift 键的同时分别点击Red、Green、B1ue 三个字段,Red、Green、Blue三个字段将分别从选择集中被清除。点击Apply按钮，点击Close按钮。从View Signature Co1umns 对话框可以看到Red、Green、Blue 三个字段将不再显示。(2) 获取分类模板信息应用AOI绘图工具在原始图像中获取分类模板信息。在待分类图像视窗上选择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一类地物，绘制一个多边形AOI。在Signature Editor窗口，单击Create New Signature图标，将多边形AOI 区域加载到Signature Editor分类模板属性表中。重复上述两步操作过程，选择图像中您认为属性相同的多个同类地物绘制若干个多边形AOI，并将其作为模板依次加入到Signature Editor 分类模板属性表中。按下Shift 键，同时在Signature Editor分类模板属性表中依次单击选择Class#字段下面的分类编号，将上面加入的多个AOI模板全部选定。在Signature Editor 工具条，单击Merge Signatures图标，将多个AOI模板合并，生成一个综合的新模板，其中包含了合并前的所有模板像元属性。在Signature Editor 菜单条，单击Edit|Delete，删除合并前的多个模板。在Signature Editor 属性表，定义类别的名称（Signature Name）和显示颜色（Color）。重复上述所有操作过程，依次将各个类别的样本添加到Signature Editor分类属性表，并执行合并生成综合类别模板，然后确定分类模板名称和颜色。将所有的类别都建立了分类模板后，保存分类模板。第四步：保存分类模板2、执行监督分类在监督分类中方法中常用的有最大似然法、最小距离法等。下面是执行监督分类的操作过程。ERDAS 图标面板工具条：点击Classifier 图标Classification 菜单Supervised Classification 菜单项,打开Supervised Classification 对话框。Supervised Classification对话框在Supervised Classification 对话框中，确定下列参数：（Input Raster File）：输入待分类遥感图像（Classified File）：输入分类结果文件名（Input Signature File）：输入分类模板文件 (Non_parametric Rule):非参数规则选择为Feature Space点击ok，执行监督分类。3、分类结果评价1. 执行了监督分类之后，需要对分类效果进行评价，如果误差超出允许范围，要重新分类，直到满意为止。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)、精度评估(accuracy assessment)等。下面以分类精度评估为例说明分类结果评价。分类精度评估是将专题分类图像中的特定像元与己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。具体操作过程如下: 在Viewer中打开分类前的原始图像，以便进行精度评估。 启动精度评估对话框。ERDAS图标面板菜单条:MainImage ClassificationClassification菜单，选择Accuracy Assessment菜单项，打开Accuracy Assessment对话框。Accuracy Assessment对话框 打开分类专题图像Accuracy Assessment对话框菜单条:Fileopen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 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 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 产生随机评估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:EditCreateAdd Random Points，打开Add Random Points对话框：在Search Count中输入1024在Number of Points中输入100在Distribution Parameters选择Random单选框(随机产生评估点)OK，返回Accuracy Assessment对话框Accuracy Assessment对话框可以看到在Accuracy Assessment对话框的数据表中出现了100个比较点（上图所示），每个点都有点号、X/Y坐标值、Class、Reference等字段，其中X/Y坐标值表示评估点的位置。说明：在Add Random Point 对话框中，Number of Points设为100，说明是产生100 个随机点，如果是做一个正式的分类评价，必须产生250 个以上的随机点。 显示随机点及其类别Accuracy Assessment对话框:ViewShow All(所有随机点均以第五步所设置的颜色显示在视窗中)EditShow Class Values（各点的类别号出现在数据表的class 字段中） 输入参考点的实际类别值Accuracy Assessment对话框：在数据表