ERDAS基本操作(六).ppt

1、ERDAS基本操作（六）,主要内容,一、非监督分类 二、数据融合,一、非监督分类 Unsupervised Classification,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

2、监督分类。,ISODATA法,ISODATA(iterative self-organizing data analysis technique algorithm)，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。,非监督分类初始分类获取,1、 2、,启动非监督分类方法二：,2、两种方式打开的对话框有些区别，这里用第二种

3、方式打开的对话框。 （1）确定输出文件（Input Rster File）为germtm.img（未分类图像） （2）确定输出文件（Output File）为germtm_isodata.img（产生的分类图像） （3）选择生成分类模板文件为Output Signature Set（产生一个模板文件） （4）确定分类模板文件名为germtm_isodata.sig,（5）确定聚类参数（Clustering Options），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： Initialize from Statistics方法是按照图像的统计值产生自由聚类 Use Sign

4、ature Means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。,（8）单击Initializing Options 按钮，设置ISODATA的一些参数。 （9）单击Color Scheme Option按钮，设置分类图像彩色属性 （10）确定处理参数（Processing Options）,需要确定循环次数与循环阈值。 （11）定义最大循环次数（Maximun Iterations）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

5、上）,（12）设置循环收敛阈值（Convergence Threshold）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,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,在该对话框中单击Edit-Clumn Properties,打开对话框，可以调整字段的顺序以及字段名称等。,3、定义类别颜色,4、设置不透明度 属性表中，Opacity字段，0为透明，

6、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Class Names 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。,二、图像融合 image fusion,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，

7、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。,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108108feet） 2、将newTm.img和panAtlanta.img在一个viewer中打开，然后在菜单中点击aoitools，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FilesaveAOI Layer as将所做的AOI区域保存。 3、点击,裁减,4、在打开的面板上选择Subset.，然后将newTm.img和p

8、anAtlanta.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,重采样,5、在Viewer菜单UtilityLayer info中查看subPan.img分辨率（32.8079986632.80799866 feet） 6、在Viewer中打开图像subTm.img，点击RasterGeometric Correction。输入重采样后的文件名为subtm_res.img,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

9、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.img 8、下面开始做变换RGB-IHS,RGB-IHS,9、在打开的RGB to HIS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:1 RGBtoIHS.img图像：,直方图匹配,10、 Input File： sub_subpan.img Input File to Match： RGBtoIHS.img Output File：p

10、an_histogrammatch.img Data Type Output：float single（因为sub_subpan.img 数据类型为float） 见后面图示例,sub_subpan.img 直方图与RGBtoIHS.img 的I分量的直方图进行匹配,替换波段,11、将直方图匹配后的pan_histogrammatch.img图像（1 band）替换RGBtoIHS.img的I分量（第一波段）,先在Input File中选择pan_histogrammatch.img ，然后点击下面的add，然后在Input File中选择RGBtoIHS.img，在Layer中选择2，然后点击add按钮，最后在Layer中选择3，点击add按钮。输出文件名为stack.img,IHSRGB,12、做变换HISRGB。输入文件名为stack.img，输出文件名为IHStoRGB.img,直方图匹配,13、为了使融合效果更好，将stack.img与sub_subtm_res.img进行直方图匹配 Input File： stack.img Input File