第二次全国土地调查底图制作与影像判读.ppt

1、第二次全国土地调查底图制作与影像判读,主讲人：周勇 华中师范大学教授,总纲,调查底图制作 航天DOM制作 调查底图生产 调查底图检查 影像判读 影像几何校正 影像增强处理 影像信息分类,总纲,调查底图制作 航天DOM制作 调查底图生产 调查底图检查 影像判读 影像几何校正 影像增强处理 影像信息分类,航天DOM制作,技术要求 数据源 DEM DOM采样间隔 DOM采样方法,航天DOM制作,技术要求 数据源 DEM DOM采样间隔 DOM采样方法,数据源 影像分辨率 影像组合 影像质量,航天DOM制作,技术要求 数据源 DEM DOM采样间隔 DOM采样方法,数据源 影像分辨率 DOM比例尺GS

2、D 1: 5 000= 1.0m 1:10 000= 2.5m 1:50 000=10.0m 影像组合 影像质量,航天DOM制作,技术要求 数据源 DEM DOM采样间隔 DOM采样方法,数据源 影像分辨率 影像组合 可使用不同卫星、不同时相影像的组合，多光谱影像分辨率一般不超过全色彩分辨率的4倍。 影像质量,航天DOM制作,技术要求 数据源 DEM DOM采样间隔 DOM采样方法,数据源 影像分辨率 影像组合 影像质量 相邻景影像之间应有4%以上的重置，特殊情况下不少于2%。 信息丰富，无明显噪声、斑点和坏线。 云、雪覆盖量应小于10%，且不能覆盖城乡结合部等重点地区。 侧视角一般应小于15

3、o，平原地区不超过25o，山区不超过20o。,航天DOM制作,技术要求 数据源 DEM DOM采样间隔 DOM采样方法,DEM 影像正射纠正应采用最新的DEM。 DEM精度应满足GH/T1015.2-2007的有关规定。,航天DOM制作,技术要求 数据源 DEM DOM采样间隔 DOM采样方法,DOM采样间隔 除QuickBird、IRS-P6采样间隔分别为0.5m和5m以外，其余保持影像原始分辨率。,航天DOM制作,技术要求 数据源 DEM DOM采样间隔 DOM采样方法,DOM采样方法 采用双线性或三次卷积内插法。,航天DOM制作,生产流程 采用控制点和DEM分别对全色影像和多光谱影像进行

4、正射纠正（多光谱影像也可从正射纠正后的全色影像上选取同名点），经融合、镶嵌生成DOM。 同步获取的全色和多光谱影像可先配准、融合，再正射纠正。 多光谱影像分辨率满足DOM生产相关规定要求时，可不与全色影像融合，直接进行正射纠正。,航天DOM制作,DOM生产 正射校正 配准 融合,航天DOM制作,DOM生产 正射校正 纠正模型采用物理模型或有理函数模型。 工作区涉及连片多景同源影像时应进行整体纠正。 每景影像控制点应均匀分布，不少于9个。 纠正控制点残差中误差应不大于规定（见下表），取中误差的两倍为其最大误差。 配准 融合,航天DOM制作,DOM生产 正射校正 配准 配准模型应采用物理模型或有理

5、函数模型。同步获取的全色与多光谱影像，可选择几何多项式模型，阶数不大于2阶。 影像配准以景为基本处理单元，配准控制点应均匀分布、控制全景影像。 配准后的影像应保留原始影像波段数目、顺序和采样间隔。 配准控制点残差限差不大于规定(见下表）。 融合,航天DOM制作,DOM生产 正射校正 配准 融合 影像融合一般以景为单元，也可分块融合。 根据影像波段的光谱范围、地物和地形特征等因素，选择能清晰表现土地利用类型特征和边界、色彩接近自然真彩色的融合算法。 融合影像应无重影、模糊等现象。 融合前影像处理。调整全色影像地物反差，突出纹理细节。增强多光谱影像色彩，突出不同地类之间的光谱差异。 融合后影像处理

6、。处理后的影像应纹理清晰、色调均匀、反差适中，色彩接近自然真彩色，能清晰判别耕地等重要地类类型。,航天DOM制作,成果 控制点文件 纠正控制点残差文件。 配准控制点残差文件。 影像 纠正影像。 配准影像。 融合影像。 其他 DEM文件。 其它文件。,调查底图生产,DOM镶嵌 镶嵌前应进行接边检查。接边误差不超过卫星影像接边限差规定（见下表）时，应视情况进行接边纠正。接边超限时应查明原因，并进行必要的返工。 选取镶嵌线对DOM进行镶嵌，镶嵌处应无裂缝、模糊和重影现象。 时相相同或相近的镶嵌影像纹理、色彩应自然过渡；时相差距较大、地物特征差异明显的镶嵌影像，允许存在光谱差异，但同一地块内光谱特征应

7、尽量一致。 工作区之间进行接边检查，要求接边误差不超过卫星影像接边限差规定。,调查底图生产,标准分幅调查底图 DOM分幅裁切 DOM分幅整饰 图面要素 制作标准分幅元文件 建立管理文件夹,调查底图生产,标准分幅调查底图 DOM分幅裁切 DOM分幅整饰 图面要素 制作标准分幅元文件 建立管理文件夹,DOM分幅裁切 按标准图幅内图廓外接矩形外扩1cm范围裁切标准分幅影像，图幅内缺少影像数据区域以内白色填充。 同一图幅包含不同分辨率影像时，采用最高分辨率进行镶嵌。,调查底图生产,标准分幅调查底图 DOM分幅裁切 DOM分幅整饰 图面要素 制作标准分幅元文件 建立管理文件夹,DOM分幅整饰 公里格网间

8、隔：图上10cm。 整饰样式。,调查底图生产,标准分幅调查底图 DOM分幅裁切 DOM分幅整饰 图面要素 制作标准分幅元文件 建立管理文件夹,图面要素 县级以上行政境界。,调查底图生产,标准分幅调查底图 DOM分幅裁切 DOM分幅整饰 图面要素 制作标准分幅元文件 建立管理文件夹,制作标准分幅元文件,调查底图生产,标准分幅调查底图 DOM分幅裁切 DOM分幅整饰 图面要素 制作标准分幅元文件 建立管理文件夹,建立管理文件夹,调查底图生产,县级辖区调查底图工程管理文件 以完整县级行政辖区为单位建立工程管理文件，管理辖区所涉及的全部标准分幅DOM、标准分幅图接合表（矢量文件，标注新、旧两种图幅编号

9、）和县级行政界线。其命名沿用辖区全称。,调查底图检查,检查内容 标准分幅调查范围 县级辖区工程管理文件 检查内容包括成果完整性、工程文件命名、图幅接合图。,调查底图检查,错误分类,总纲,调查底图制作 航天DOM制作 调查底图生产 调查底图检查 影像判读 影像几何校正 影像增强处理 影像信息分类,影像几何校正,辐射量校正 大气校正 图像的几何畸变 几何校正的方法 几何校正的重采样、内插方法,影像几何校正,图像校正是指从具有畸变的图像中消除畸变的处理过程。 消除辐射量失真的叫辐射量校正（radiometric correction） 。 消除几何畸变的叫几何校正。,影像几何校正,辐射量校正 由遥感

10、器的灵敏度特性引起的畸变校正 由光学系统的特性引起的畸变校正。 由光电变换系统的特性引起的畸变校正。 太阳高度及地形等引起的畸变校正 视场角和太阳角的关系引起的亮度变化的校正。 地形倾斜的影响校正。,影像几何校正,大气校正 太阳光在到达地表的目标物之前会由于大气中物质的吸收、散射而衰减。同样，来自目标物的反射、辐射光在到达遥感器前也会被吸收、散射。地表除受到直接来自太阳光线（直达光）照射外，也受到大气引起的散射光（天空光：sky light）的照射。同样，入射到遥感器上的除来自目标物的反射，散射光以外，还有大气引起的散射光（光路辐射：path radiance）。消除这些由大气引起的影响的处理

11、过程叫大气校正（atmospheric correction）。,影像几何校正,大气校正,影像几何校正,大气校正方法 利用辐射传递方程式的方法 利用地面实况数据的方法 其它方法,影像几何校正,图像的几何畸变 遥感器的内部畸变 遥感器的外部畸变 图像投华面的选取法引起的畸变 由地图投影法的几何学引起的畸变,影像几何校正,中心投影方式的遥感器内部畸变,影像几何校正,中心投影方式的遥感器外部畸变,影像几何校正,图像的几何校正（geometric corretiong）是指从具有几何畸变的图像中消除畸变的过程。也可以说是定量地确定图像上的像元坐标（图像坐标）与目标物的地理坐标（地图坐标等）的对应关系（

12、坐标变换式）。,影像几何校正,几何校正的方法,影像几何校正,几何校正的重采样方法 对输入图像的各个像元在变换后的输出图像坐标系上的相应位置进行计算，把各个像元的数据投影到该位置上。 对输出图像的各个像元在输入图像坐标系的相应位置进行逆运算， 求出该位置上的像元数据。该方法是通常采用的方法。,影像几何校正,几何校正的内插方法 最邻近内插法 双线性内插法 3次卷积内插法,影像几何校正,第一步：显示图像文件(Display Image Files ) 首先，在ERDAS图标面板中点击Viewer图标两次，打开两个视窗(Viewer # 1/ viewer #2 )，并将两个视窗平铺放置，操作过程如下

13、： ERDAS图标面板菜单条：SessionTile Viewers 然后，在Viewer #1中打开需要校正的Landsat TM图像 在Viewer #2中打开作为地理参考的校正过的SPOT图像,影像几何校正,第二步：启动几何校正模块(Geometric Correction Tool) Viewer #1菜单条： RasterGeometric Correction 打开Set Geometric Model对话框 选择多项式几何校正计算模型：Polynomial OK 同时打开Geo Correction Toots对话框和Polynomial Model Properties对话框

14、在Polynomial Model Properties对话框中，定义多项式模型参数及投影参数： 定义多项式次方(Polynomial Order)：2 定义投影参数(Projection) ApplyClose 打开GCP Tool Reference Setup对话框 说明：该实例是采用视窗采点模式，作为地理参考的SPOT图像已经含有投影信息，所以，这里不需要定义投影参数。如果不是采用视窗采点模式，或者参考图像没有包含投影信息，则必须在这里定义投影信息，包括投影类型及其对应的投影参数。,影像几何校正,第三步：启动控制点工具(Start GCP Tools ) 首先在GCP Toots Re

15、ference Setup对话框中选择采点摸式 选择视窗采点模式：Existing Viewer OK(关闭GCP Tools Reference Setup对话框) 打开Viewer Selection Instructions指示器 在显示作为地理参考图像的Viewer #2中点击左键 打开Reference Map Information提示框 (显示参考图像的投影信息) OK(关闭Reference Map 1nformation提示框) 整个屏幕将自动变化为包含两个主视窗、两个放大窗口、两个关联方框（分别位于两个视窗中，指示放大窗口与主视窗的关系）、控制点工具对话框、几何校正工具等的

16、状态。表明控制点工具被启动，进入控制点采集状态。,影像几何校正,第四步：采集地面控制点(Ground Control Point) (1)控制点工具对话框简介(Introduction to GCP Tool ) 在正式开始采集控制点之前，首先对控制点工具对话框进行说明： GCP工具对话框(GCP Tool) 由菜单条(Menu Bar)、工具条（Tool Bar）和控制点数据表(GCP Ce1lArray)、及状态条(Status Bar)四个部分组成。 关于GCP工具对话框，还需要说明几点： (a)输入控制点(Input GCP)的是在原始文件视窗中采集的，具有原文件的坐标系统;而 参考控

17、制点(Reference GCP)是在参考文件视窗中采集的，具有已知的参考坐标系统， GCP工具将根据对应点的坐标值自动生成转换模型。 (b)在GCP数据表中，残差(Residuals )、中误差(RMS )、贡献率(Contribution)及匹配程度(Match )等参数，是在编辑GCP的过程中自动计算更新的，用户是不可以任意改变的，但可以通过精确GCP位置来调整。 (c)每个IMG文件都可以有一个GCP数据集与之相关联，GCP数据集保存在一个栅格层 数据文件中；如果IMG文件有一个GCP数据集存在的话，只要打开GCP工具，GCP点就会出现在视窗中。 (d)所有的输入GCP都可以直接保存在

18、图像文件中(Save Input )，也可以保存在控制点文件中(Save Input As )。如果是保存在文件中，调用的方法如( c)所述，如果是保存在GCP文件中，可以通过加载调用(Load Input )。 (e)参考GCP也可以类似地保存在参考图像中(Save Reference)或GCP文件中(Save Reference As )，便于以后调用。,影像几何校正,第四步：采集地面控制点(Ground Control Point) (2) GCP的具体采集过程(Steps of GCP Selection) 在图像几何校正过程中，采集控制点是一项非常重要和相当繁重的工作，具体过程如下：

19、 (a)在GCP工具对话框中点击Select GCP图标，进入GCP选择状态； (b)在GCP数据表中将输入GCP的颜色(Color)设置为比较明显的黄色； (c)在Viewer #I中移动关联方框位置，寻找明显的地物特征点，作为输入GCP； (d)在GCP工具对话框中点击Create GCP图标，并在Viewer #3中点击左键定点，GCP数据表将记录一个输入GCP，包括其编号、标识码、X坐标、Y坐标； (e)在GCP工具对话框中点击Select GCP图标，重新进入GCP选择状态； (f)在GCP数据表中将参考GCP的颜色( Color)设置为比较明显的红色； (g)在Viewer #2中

20、移动关联方框位置，寻找对应的地物特征点，作为参考GCP； (h) 在GCP工具对话框中点击Create GCP图标，并在Viewer #4中点击左键定点，系统将自动把参考点的坐标(X Reference, Y Reference ) 显示在GCP数据表中； (i)在GCP工具对话框中点击Select GCP图标，重新进入GCP选择状态；并将光标移回到Viewer #l ，准备采集另一个输入控制点。 (j)不断重复(a)-(i)，采集若干GCP，直到满足所选定的几何校正模型为止；而后，每采集一个Input GCP,系统就自动产生一个Ref. GCP，通过移动Ref.GCP可以逐步优化校正模型。采

21、集GCP以后，建立GCP 数据表。,影像几何校正,第五步：采集地面检查点(Ground Check Point )： 以上所采集的GCP的类型(Type)均为Control(控制点)，用于控制计算，建立转换模型及多项式方程。下面所要采集的GCP的类型均是Check(检查点)，用于检验所建立的转换方程的精度和实用性。 依然在GCP Tool对话框状态下： (a)在GCP Tool菜单条中确定GCP类型：EditSet Point TypeCheck (b)在GCP Tool菜单条中确定GCP匹配参数(Matching Parameter)： Edit Point Matching打开GCP Ma

22、tching对话框(略)，在GCP Matching对话框中，需要定义下列参数： 匹配参数( Matching Parameters )： 最大搜索半径( Max. Search Radius )：3 搜索窗口大小(Search Window Size )：X:5 ，Y:5 约束参数( Threshold Parameters )： 相关阈值(Correlation Threshold )：0.8 删除不匹配的点（Discard Unmatched Point )：Active 匹配所有/选择点(Match All / Selected Point )： 从输入到参考(Reference fr

23、om Input ) 从参考到输入(Input from Reference ) Close(关闭GCP Matching对话框) (c)确定地面检查点：在GCP Tool工具条中选择Create GCP图标，并将Lock图标打开，锁住Create GCP功能，如同选择控制点一样，分别在Viewer#1和Viewer#2中定义5个检查点，定义完毕后点击Unlock图标，解除Create GCP功能。 (d)计算检查点误差：在GCP Tool工具条中点击Compute Error图标，检查点的误差就会显示在GCP Tool的上方，只有所有检查点的误差均小于一个像元(Pixe1)，才能继续进行合理

24、的重采样。一般来说，如果控制点(GCP)定位选择比较准确的话，检查点匹配会比较好，误差会在限差范围内。否则，若控制点定义不精确，检查点就无法匹配，误差会超标。,影像几何校正,第六步:计算转换模型( Compute Transformation )： 在控制点采集过程中，一般是设置为自动转换计算模式，所以，随着控制点采集过程的完成，转换模型就自动计算生成，下面是转换模型的查阅过程： 在Geo-Correction Tools对话框中点击Display Model Properties图标 打开Polynomial Model Properties(多项式模型参数)对话框 在多项式模型参数对话框中

25、查阅模型参数，并记录转换模型 Close(关闭模型特性对话框，进入图像重采样阶段),影像几何校正,第七步：图像重采样(Resample the Image )： (1)图像重采样简介(Introduction to Image Resample ) 重采样过程就是依据未校正图像像元值计算生成一幅校正图像的过程，原图像中所有栅格数据层都将进行重采样。ERDAS IMAGINE提供三种最常用的重采样方法： (a) Nearest Neighbor：邻近点插值法，将最邻近像元值直接赋予输出像元； (b) Bilinear Interpolation：双线性插值法，用双线性方程和22窗口计算输出像元值

26、； (c) Cubic Convolution：立方卷积插值法，用立方方程和44窗口计算输出像元值；,影像几何校正,第七步：图像重采样(Resample the Image )： (2)图像重采样过程(Process of Image Resample ) 首先，在Geo Correction Tools对话框中选择Image Resample图标 打开Image Resample(图像重采样)对话框 然后，在Image Resample对话框中，定义重采样参数： 输出图像文件名(Output File) 选择重采样方法(Resample Method )： Nearest Neighbor

27、定义输出图像范围(Output Corner)：ULX、ULY、LRX、LRY 定义输出像元大小(Output Cell Size)：X : 30、Y : 30 设置输出统计中忽略零值:Ignore Zero in Stats. 设置重新计算输出缺省值(Recalculate Output Default )：Skip Factor：10 OK(关闭Image Resample对话框，启动重采样进程),影像几何校正,第八步：保存几何校正模式(Save Rectification Mode ) 在Geo Correction Tools对话框中点击Exit按钮，退出图像几何校正过程，按照系统提示

28、选择保存图像几何校正模式，并定义模式文件(*.gms)，以便下次直接使用。,影像几何校正,第九步：检验校正结果(Verify Rectification Result) 检验校正结果的基本方法是：同时在两个视窗中打开两幅图像，其中一幅是校正以后的图像，一幅是当时的参考图像，通过视窗地理连接(Geo Link/Unlink)功能及查询光标(Inquire Cursor)功能进行目视定性检脸，其体过程如下： (1)打开两个平铺图像视窗(Open and Tile two Viewer) 视窗菜单条：File Oven Raster Option 图像文件 ERDAS图标面板：Session Til

29、e Viewers 平铺视窗 (2)建立视窗地理连接关系(Geo Link two Viewer) 在Viewer #1中：按住右键 快捷菜单 Geo Link/Unlink 在Viewer #2中：点击左键建立与Viewer #1的连接 (3)通过查询光标进行检验(Check with Inquire Cursor ) 在Viewer #1中：按住右键 快捷菜单 Inquire Cursor 打开光标查询对话框 在Viewer #1中：移动查询光标，观测其在两屏幕中的位置及匹配程度，并注意光标查询对话框中数据的变化。如果满意的话，关闭光标查询对话框。,影像增强处理,数字图像 数字图像，就是用

30、数字表示的图像。 连续变化的图像转换成顺序排列的像元数字“点阵”的形式，以数字（点阵）表示图像，此图像称为数字图像。,影像增强处理,数字图像直方图 以每个像元为统计单元，表示图像中各亮度值或亮度值区间像元出现频率的分布图。,影像增强处理,遥感数字图像的增强处理 单光谱影像增强处理 滤波增强处理 多光谱影像处理 遥感影像的融合,影像增强处理,遥感数字图像的增强处理 单光谱影像增强处理 常见的线性拉伸方法有比值增强处理。 比值增强处理是将数字图像中同一像元不同波段的亮度值相除的比值，作为像元的新亮度值并显示图像的处理，称为比值增强处理。比值增强处理是在地物间各波段光谱差异的基础上，突出地物显示的一

31、种增强方法。 比值增强处理时也可利用图像同一像元不同波段的亮度值进行加、减、乘、除四则混合运算，进行处理。但处理时，要深入研究分析目标地物间的光谱特征和变化，以利用混合四则运算处理来突出目标地物的显示，或从不同组合的混合运算处理中选择出增强效果最佳的处理方案，在同一地区推广。,影像增强处理,遥感数字图像的增强处理 单光谱影像增强处理,影像增强处理,遥感数字图像的增强处理 单光谱影像增强处理,原图,线性拉伸结果,影像增强处理,遥感数字图像的增强处理 滤波增强处理,影像增强处理,遥感数字图像的增强处理 滤波增强处理,影像增强处理,遥感数字图像的增强处理 滤波增强处理,原图,高通滤波结果,影像增强处

32、理,遥感数字图像的增强处理 多光谱影像处理 多光谱反差增强 地物差异增强,影像增强处理,遥感数字图像的增强处理 多光谱影像处理,原图,反差增强结果,影像增强处理,遥感数字图像的增强处理 遥感影像的融合 IHS变换 加权融合 基于主分量变换的融合 比值变换融合 融合效果分析,影像增强处理,遥感数字图像的增强处理 遥感影像的融合 IHS变换,影像增强处理,遥感数字图像的增强处理 遥感影像的融合 IHS变换,影像增强处理,遥感数字图像的增强处理 遥感影像的融合 IHS变换,原图,IHS变换结果,影像增强处理,遥感数字图像的增强处理 遥感影像的融合 加权融合 融合的结果将不会保留多光谱图像的灰度值，亮

33、度成分将得到加强。这有利于对高亮度城镇做出正确解释。,影像增强处理,遥感数字图像的增强处理 遥感影像的融合 基于主分量变换的融合 首先对多光谱图像进行主分量变换，变换后的第一主分量含有变换前各波段图像的相同信息，而各波段中其余对应的部分被分配到变换后的其他波段63。然后将高分辨率图像和第一主分量进行直方图匹配，使高分辨率图像与第一主分量有相近的均值和方差。最后，用直方图匹配后的高分辨率图像代理主分量中的第一主分量和其余分量一起进行主分量逆变换，得到融合影像。,影像增强处理,遥感数字图像的增强处理 遥感影像的融合 比值变换融合,影像增强处理,遥感数字图像的增强处理 遥感影像的融合 融合效果分析

34、信息量 清晰度 目视效果,影像信息分类,计算机信息提取 纹理特征分析 图像分割 面向对象的遥感信息提取,影像信息分类,计算机信息提取 监督和非监督分类 利用软件分类 K-MEANS算法 最大似然比分类法 人工神经网络方法,监督分类,(a)对遥感影像进行目视分析，为建立分类模板做准备。任何计算机自动分类首先都离不开通过经验对图像的目视分析和判断。在ERDASimagine中将图像打开，根据图像的颜色，纹理，形状，分布等特征，可对图像所显示的内容进行初步的判断。如图29。 对影像中的内容可初步划分为草地，林地，水面，建筑，道路，空地等大类。对于内容分类的种数应当根据图像本身的特点和所开展工作的目的

35、综合确定。如这副影像在工作中仅需区分水面和陆地的话，那分两类就足够，如果是要分划土地利用类型，则所分的类别必然要更详细。,监督分类,(b)建立分类模板。分类模板是将上一个过程中人脑对图像的判读转化为电脑能够判读的形式，即模板。然后由电脑利用模板对图像进行自动非类，并把分类后的图像反映出来。所以说，分类模板是进行监督的工具。 打开ERDASimagine主菜单，点击CLASSIFILER，点击SIGNATURE EDITOR，进行分类模板的建立。分类模板的建立关键是采集各类别样点信息并将样点信息合并建立模板。样点信息的采集可以运用AOI（感兴趣区域）图形工具，AOI扩展工具，查询光标扩展等方法在

36、原始图像或处理后的影像中进行。,监督分类,(c)对模板进行分析，判断模板效果。对模板的分析有多种方法，如分类报警，可能性矩阵，直方图，分类统计等方法。在此展示的是运用可能性矩阵进行评价的过程。在SIGNATURE EDITOR中选择EVALATIONCONTINGENCY，打开对话框，确定参数，软件会自动生成模板的可能性矩阵。,监督分类,矩阵反映了利用建立的分类的模板，会有多少的像元分在相应的类别中。通过该矩阵可看出，水域和未利用地所受干扰最小，绝大部分的像元会分在对应的类别。而林地和草地相互间的干扰较大，但总体趋势不会受到影响。房屋和道路间干扰也很大，特别是房屋对道路的影响。假如根据以上建立

37、的模板进行监督分类，可预计未利用地，水域，林地，草地的效果会比较明显，房屋和道路出现误差的情况会比较大。,监督分类,(d)进行监督分类。在ERDASimagine主菜单，点击CLASSIFILER，点击SUPERVISED CLASSFICATION，打开对话框，载入以上建立的分类模板，选择参数，执行监督非类。,监督分类,在对图像进行监督分类后还需要根据实际情况和工作目的对分类的图像进行精度评价和分类后处理，使分类的精度达到完成相应工作的要求。 精度评价在ERDASimagine可以运用阀值处理的工具。用户可对每个类别设置一个阀值，将可能不属于它的像元分离出去，并赋予另一个分类值。阀值处理也是

38、对分类图像进行初步优化的过程。分类精度评价工具是通过生成精度评估矩阵使用户对图像中的特定像元和已知分类像元进行比较得出分类精度的描述。 分类后处理是在分类精度评价的基础上，处理分类图像中出现和产生的细碎图斑，使分类图像达到实际使用的要求。ERDASimagine中可通过使用聚类统计（CLUMP），过滤分析（SIEVE），去除分析（ELIMINATE）等根据进行处理。,非监督分类,非监督分类按照矢量特征在特征空间中类别集群的特点进行分类，分类结果只是对不同类别达到了区分，而类别属性则是通过事后对各类的光谱响应曲线进行分析，或通过实地调查后确定的。遥感影像非监督分类无需任何先验知识，直接将遥感影像中的像元划分为若干类别，一般分类精度较低。常见的非监督分类方法有K-均值（K-Means）、迭代自组织数据分析（Iterative Self-Organize Data