遥感图像监督分类.ppt

实验九 监督分类 实验目的 掌握监督分类的方法与过程 加深对监督分类方法的理解 实验内容 定义分类模板 评价分类模板 进行监督分类 评价分类结果 ERDASIMAGINE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 毫无疑问 分类模板生成器是进行监督分类一个不可缺少的组件 在分类模板生成器中 生成分类模板的基础是原图像和 或 其特征空间图像 因此 显示这两种图像的视窗也是进行监督分类的重要组件 1 定义分类模板 DefineSignatureUsingsignatureEditor 第一步 显示需要进行分类的图像在视窗中要分类的图像 germtm img Red4 Grean3 B1ue2 选择FittoFrame 其它使用缺省设置 第二步 打开模板编辑器并调整显示字段ERDAS图标面板工具子 点击C1assifier目标 Classification菜单 SignatureEditor菜单项 SignatureEditor对话框 1 定义分类模板 DefineSignatureUsingsignatureEditor 续 从上图中可以看到有很多字段 有些字段对分类的意义下大 我们希望不显示这些这段 所以要进行如下调整 SignatureEdit对话框菜单条 View Columns viewsignaturecolumns对话框 1 定义分类模板 DefineSignatureUsingsignatureEditor 续 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三个字段将从选择集中被清除 点击Apply按钮 点击Close按钮从ViewSignatureCo1umns对话框可以看到Red Green Blue三个字段将不再显示 1 定义分类模板 DefineSignatureUsingsignatureEditor 续 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 但在实际工作中也许只用一种方法就可以了 也许要将几种方法联合应用 这取决于您自己 注AOI表示感兴趣区域 1 应用AOI绘图工具在原始图像获取分类模板信息 略 1 定义分类模板 DefineSignatureUsingsignatureEditor 续 2 应用AOI扩展工具在原始图像获取分类模板信息应用AOI扩展工具在原始图像获取分类模板信息 首先必须设置种子像元特性 过程如下 在显示有germtm img图像的视窗中 AOI一SeedProperties菜单 RegionGrowingProperties对话框 在Neighborhood选择按四个相邻像元扩展 表示被点击像元的上 下 左 右四个像元与被点击像元是相邻的 而表示其周围9个像元都与被点击像元相邻 这里选择 即选择4临域扩展 还是8临域扩展 1 定义分类模板 DefineSignatureUsingsignatureEditor 续 在GeographicConstrains设置地理约束 Area确定每个AOI所包含的最多像元数 或者面积 而Distance确定AOI所包含像元距被点击像元的最大距离 这两个约束可以只设置一个 也可以设置两个或者一个也不设 在此处只设置面积约束为300个像元 在SpectralEuclideanDistance中设置波谱欧氏距离 本约束是指AOI可接受的像元值与种子像元平均值之间的最大光波欧氏距离 两个像元在各个波段数值之差的平方之和的二次根 大于该距离将不被接受 此处设置距离为 10 点击Options按钮 打开RegionGrowOptions面板以确定一些扩展设置 1 定义分类模板 DefineSignatureUsingsignatureEditor 续 RegionGrowOptions面板上有三个复选框 在种子扩展的过程中可能会有些不符合条件的像元被符合条件的像元包围 选择IncludeIslandPo1ygons使这些不符合条件像元 将以岛的形式被删除出来 如果不选择则全部作为AOI的一部分 UpdateRegionMean是指每一次扩展后是否重新计算种子的平均值 如果选择该复选框则重新计算 如果不选择则一直以原始种子的值为平均值 BufferRegionBoundary复选框是指对AOI产生缓冲区 该设置在选择AOI编辑DEM数据时比较有用 可以避免高程的突然变化 这里选择IncludeIslandPolygons和UpdateRegionMean 1 定义分类模板 DefineSignatureUsingsignatureEditor 续 至此完成了种于扩展特性的设置 下面将使用种子扩展工具产生一个AO1 在显示有germtm img图像的视窗中 在视窗工具条中点击图标 或在视窗菜单条 Raster Tools 打开Raster工具面板 点击Raster工具面板的图标 点击视窗中的绿色区域 1 定义分类模板 DefineSignatureUsingsignatureEditor 续 绿色区域对应的是水体 AOI自动扩展将生成一个针对水体的AO1 如果扩展AOI不符合需要 可以修改RegionGrowingProperties直到满意为止 注意在RegionGrowingProperties对话框中修改设置之后 直接点击Redo按钮就可重新对刚才点击的像元生成新的扩展AO1 1 定义分类模板 DefineSignatureUsingsignatureEditor 续 在signatureeditor对话框 点击图标 将扩展AOI区域加载到signature分类模板中 在SignatureEditor中 改变刚才加入模板的Signann1e的名字 Name 和颜色 Color 重复上述操作步骤 为保证摸板的代表性 同一种地类选择多AOI区域 然后进行合并 1 定义分类模板 DefineSignatureUsingsignatureEditor 续 如 水体在不同的区域 一共选择了9个样本 1 定义分类模板 DefineSignatureUsingsignatureEditor 续 用鼠标同时选中9个样本 点击进行合并 相当于取平均值 产生class10 1 定义分类模板 DefineSignatureUsingsignatureEditor 续 然后点击鼠标右键 删除前面的样本 保留合并后的样本 1 定义分类模板 DefineSignatureUsingsignatureEditor 续 同时确定各类别的名字及颜色 1 定义分类模板 DefineSignatureUsingsignatureEditor 续 重复上面的步骤 确定耕地 建筑物 林地等地类的分类摸板 3 应用查询光标扩展方法获取分类模板信息 略 1 定义分类模板 DefineSignatureUsingsignatureEditor 续 2 评价分类模板 EvaluatingSignatures 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 分类模扳的合并可使用户应用来自不同训练方法的分类模板进行综合复杂分类 这些模板训练方法包括监督 非监督 参数化和非参数化 分类模板评价工具 方法 包括以下几种 Alarms 分类报警工具 Contingencymatrix 可能性矩阵 Featureobjects 特征对象 FeatureSpacetoimagemasking 特征空间到图像掩模 Histograms 直方图方法 Signatureseparability 分类的分离性 Statistics 分类统计分析当然 不同的评价方法各有不同的应用范围 例如不能用Separability工具对非参数化 由特征空间产生 分类模板进行评价 而且分类模板中至少应具有5个以上的类别 2 1报警评价 Alarms 略 2 评价分类模板 EvaluatingSignatures 续 下面说明可能性矩阵评价工具的使用方法 在SignatureEditor对话框 在signatureEditor中选择所有类别 菜单条 Evaluation Contingency 打开ContingencyMatrix对话框 2 评价分类模板 EvaluatingSignatures 续 OK 关闭ContingencyMatrix对话框 计算分类误差矩阵 选择像元总数作为评价输出统计 选择参数规则 选择未分类规则 选择叠加规则 选择非参数规则 2 评价分类模板 EvaluatingSignatures 续 然后 IMAGINE文本编辑器 TextEditor 被打开 分类误差矩形矩阵将显示在编辑器中供查看统计 该矩阵的局部 以像元数形式表达部分 如右图 2 评价分类模板 EvaluatingSignatures 续 从矩阵中可以看到在水体选择了1005个像元 1005全部属于水体类别 正确率99 50 同理 建筑选了49个像元 48全部属于建筑 1个属于林地 正确率97 96 其它的都是全部正确 如果每个地类摸板精度都在90 以上 就可保存摸板 用摸板进行下一步监督分类操作 自己选择摸板文件保存路径和文件名 供后面分类调用 2 评价分类模板 EvaluatingSignatures 续 2 3由特征空间模板产生图像掩膜 略 2 4模板对象图示 略 2 5直方图方法 略 2 评价分类模板 EvaluatingSignatures 续 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 当然 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 Overlayrule 和未分类规则 unclassifiedrule 3 执行监督分类 PerformSupervisedClassification 下面是执行监督分类的操作过程 ERDAS图标面板菜单条 Main ImageClassification Classification菜单或ERDAS图标面板工具条 点击Classifier图标 Classification菜单 SupervisedClassification菜单项 SupervisedClassification对话框 3 执行监督分类 PerformSupervisedClassification 续 在SupervisedClassification对话框中 需要确定下列参数 确定输入原始文件 InputRasterFile germtm img 需要分类的文件 定义输出分类文件 ClassifiedFile 分类结果文件 自己确定路径和文件名 确定分类模板文件 InputSignatureFile 全面保存的摸板文件 选择输出分类距离文件 DistanceFile 用于分类结果进行阈值处理 定义分类距离文件 Filename 自己确定路径和文件名 可以定义不输出距离文件 选择非参数规则 Non parametricRule FeatureSpace 选择叠加规则 OverlayRule ParametricRule 选择未分类规则 UnclassifiedRule ParametricRule 选择参数规则 ParametricRule MaximumLikelihood 不选择Classifyzeros 分类过程中是否包括0值 OK 执行监督分类 关闭supervisedClassification对话框 3 执行监督分类 PerformSupervisedClassification 续 3 执行监督分类 PerformSupervisedClassification 续 3 执行监督分类 PerformSupervisedClassification 续 可以查看分类结果图象属性表 添加面积属性 操作同非监督分类 3 执行监督分类 PerformSupervisedClassification 续 论监督分类还是非监督分类 都是按照图像光谱特征进行聚类分析的 因此 都带有一定的盲目性 所以 对获得的分类结果需要再进行一些处理工作 才能得到最终相对理想的分类结果 这些处理操作就通称为分类后处理 4 分类后处理 Post ClassificationProcess 聚类统计 Clump 是通过地分类专题图像计算每个分类图斑的面积 记录相邻区域中最大图斑面积的分类值等操作 产生一个Clump类组输出图像 其中每个图斑都包含Clump类组属性 该图像是一个中间文件 用于进行下一步处理 无论利用监督分类还是非监督分类 分类结果中都会产生一些面积很小的图斑 无论从专题制图的角度 还是从实际应用的角度 都有必要对这些小图斑进行剔除 ERDAS系统中的GIS分析命令Clump Sieve Eliminate可以联合完成小图斑的处理工作 4 1聚类统计 Clump ERDAS图标面板菜单条 Main ImageInterpreter GISAnalysis Clump Clump对话框或ERDAS图标面板工具条 点击Interpreter图标 GISAnalysis Clump Clump对话框 Clump对话框中 需要确定下列参数 确定输入文件 InputFile 分类结果文件 定义输出文件 OutputFile 自己定义路径和文件名 文件坐标类型 CoordinateType Map 处理范围确定 SubsetDefinition ULX Y LRX Y 缺省状态为整个图像范围 可以应用InquireBox定义子区 确定聚类统计邻域大小