Erdas教案非监督分类PPT课件.ppt

ERDAS基本操作 七 1 主要内容 一 非监督分类二 数据融合 2 一 非监督分类UnsupervisedClassification 3 非监督分类 初始分类专题判别分类后处理色彩重定义栅格矢量转换 4 非监督分类 非监督分类 是指人们事先对分类过程不施加任何的先验知识 仅凭据遥感影像地物的光谱特征的分布规律 随其自然地进行盲目地分类 其分类结果 只是对不同类别达到了区分 并不确定类别的属性 其属性是通过事后对各类的光谱响应曲线进行分析 以及与实地调查比较后确定的 监督分类主要采用聚类分析的方法 聚类是把一组像素按照相似性归成若干类 它的目的是使得属于同一类别的像素之间的距离尽可能小而不同类别上像素的距离尽可能的大 ERDAS使用ISODATA算法进行非监督分类 5 ISODATA法 ISODATA iterativeself organizingdataanalysistechniquealgorithm 称为 迭代自组织数据分析技术 ISODATA基于最小光谱距离公式 聚类过程始于任意聚类平均值或一个已有分类模板的平均值 聚类每重复一次 聚类的平均值就更新一次 新聚类的均值再用于下次聚类循环 ISODATA实用程序不断重复 直到最大的循环次数已达到设定阈值 或者两次聚类结果相比达到要求百分比的像元类别已经不再发生变化 6 非监督分类 初始分类获取 1 2 7 启动非监督分类方法二 8 2 两种方式打开的对话框有些区别 这里用第二种方式打开的对话框 1 确定输出文件 InputRsterFile 为germtm img 未分类图像 2 确定输出文件 OutputFile 为germtm isodata img 产生的分类图像 3 选择生成分类模板文件为OutputSignatureSet 产生一个模板文件 4 确定分类模板文件名为germtm isodata sig 9 5 确定聚类参数 ClusteringOptions 需要确定初始聚类方法和分类数 6 系统提供的初始聚类方法有两种 InitializefromStatistics方法是按照图像的统计值产生自由聚类UseSignatureMeans方法是按照选定的模板文件进行非监督分类 7 确定分类数为10 分出10个类别 实际工作中一般将初始分类数取为最终分类数的两倍以上 10 8 单击InitializingOptions按钮 设置ISODATA的一些参数 9 单击ColorSchemeOption按钮 设置分类图像彩色属性 10 确定处理参数 ProcessingOptions 需要确定循环次数与循环阈值 11 定义最大循环次数 MaximunIterations 为24 指ISODATA重新聚类的最多次数 是为了避免程序运行时间太长或由于没有达到聚类标准而导致的死循环 一般设为6以上 11 12 设置循环收敛阈值 ConvergenceThreshold 为0 95 指两次分类结果比较保持不变的像元所占的最大百分比 13 单击ok 12 13 非监督分类 分类方案调整 1 显示原图像和分类图像在同一窗口中显示两图像 原图像在下 分类后图像在上 原图像显示波段组合用R 4 G 5 B 3 2 调整属性字段显示在打开的viewer中 选择Raster Attributes 打开分类后图像的属性表 14 在该对话框中单击Edit ClumnProperties 打开对话框 可以调整字段的顺序以及字段名称等 15 3 定义类别颜色 16 4 设置不透明度属性表中 Opacity字段 0为透明 1为不透明5 观察类别意义及精度可以使用viewer窗口的菜单Utility Flicker Swipe Blend等工具6 标注类别名称和颜色在属性表中ClassNames中修改7 分类后处理若结果比较满意 则可结束非监督分类 反之 还需要进行分类后处理 如聚类统计 过滤分析 去除分析 分类重编码 合并等 这里不再介绍 17 1 同时显示germtm img和germtm isodata img提示 germtm img显示方式用RGB 4 5 3 打开第2幅图时关闭cleardisplay2 打开属性表调整字段显示顺序提示 raster attributes 打开上图 Edit ColumnProperties 打开下图 专题判别 18 3 编辑类别颜色和名称 专题判别 19 4 对比显示提示 对比Utility flicker Blend Swipe区别 专题判别 20 分类后处理 1 聚类统计提示 main imageinterpreter gisanalysis clump 21 分类后处理 1 聚类统计提示 main imageinterpreter gisanalysis clump 提示 如果计算时间过长 统计邻域选择4 22 分类后处理 1 聚类统计提示 main imageinterpreter gisanalysis clump 聚类统计后图像属性表 23 分类后处理 2 过滤分析提示 main imageinterpreter gisanalysis Sieve 确定最小图斑大小 24 过滤分析后 所有小图斑的属性值变为0 25 分类后处理 3 去除分析提示 main imageinterpreter gisanalysis Eliminate 确定最小图斑大小 输出图像的数据类型 26 分类后处理 3 去除分析提示 main imageinterpreter gisanalysis Eliminate 27 分类后处理 4 分类重编码 主要针对非监督分类 提示 main imageinterpreter gisanalysis Recode 28 分类后处理 4 分类重编码 主要针对非监督分类 提示 main imageinterpreter gisanalysis Recode 类别合并需要考虑实际意义 29 色彩重定义 30 栅格矢量转换 提示 main vector rastertovector 31 栅格矢量转换 32 二 图像融合imagefusion 33 IHS融合法 IHS融合法是比较常用的一种融合方法 其基本原理是首先将空间分辨率较低的三个多光谱影像变换到IHS彩色空间 得到明度 I 色别 H 和饱和度 S 三个分量 然后将高空间分辨率影像进行对比度拉伸 达到与I分量具有相同的均值和方差 再将处理后的高空间分辨率影像替换I分量 作IHS逆变换后就得到融合后的影像 34 配准 裁剪 1 将图像tmAtlanta img用panAtlanta img配准 图像为 newTm img 重采样分辨率为108 108feet 2 将newTm img和panAtlanta img在一个viewer中打开 然后在菜单中点击aoi tools 选择一个实线矩形框工具 在图像上画出两幅图像共有的区域 然后在File save AOILayeras将所做的AOI区域保存 3 点击 35 裁减 4 在打开的面板上选择Subset 然后将newTm img和panAtlanta img都用刚才的aoi文件裁成一个子图像 注意 在此选择AOI文件 输入文件分别为subTm img subPan img 36 重采样 5 在Viewer菜单Utility Layerinfo中查看subPan img分辨率 32 80799866 32 80799866feet 6 在Viewer中打开图像subTm img 点击Raster GeometricCorrection 输入重采样后的文件名为subtm res img 37 重采样 RGB IHS 7 重采样后的subtm res img与subPan img分辨率相同 但是像元数目不同 还需要裁减成行列数相同的图像 用subtm res img和subPan img重复步骤2 3 4 输出文件名分别为 sub subpan img sub subtm res img8 下面开始做变换RGB IHS 38 RGB IHS 9 在打开的RGBtoHIS对话框中 选择输入输出文件名和波段 输入文件为sub subtm res img 输出文件名为RGBtoIHS img 波段选择R 3 G 2 B 1RGBtoIHS img图像 39 直方图匹配 10 InputFile sub subpan imgInputFiletoMatch RGBtoIHS imgOutputFile pan histogrammatch imgDataTypeOutput floatsingle 因为sub subpan img数据类型为float 见后面图示例 40 sub subpan img直方图与RGBtoIHS img的I分量的直方图进行匹配 41 替换波段 11 将直方图匹配后的pan histogrammatch img图像 1band 替换RGBtoIHS img的I分量 第一波段 42 先在InputFile中选择pan histogrammatch img 然后点击下面的add 然后在InputFile中选择RGBtoIHS img 在Layer中选择2 然后点击add按钮 最后在Layer中选