实验十监督分类图像数字处理.docx
《实验十监督分类图像数字处理.docx》由会员分享,可在线阅读,更多相关《实验十监督分类图像数字处理.docx(12页珍藏版)》请在冰点文库上搜索。
![实验十监督分类图像数字处理.docx](https://file1.bingdoc.com/fileroot1/2023-5/9/9a1cdd42-72d3-457b-9909-07647d0ec930/9a1cdd42-72d3-457b-9909-07647d0ec9301.gif)
实验十监督分类图像数字处理
某地区的遥感影像监督分类
实验目的:
通过练习,熟练掌握并理解监督分类的方法、评价方法的原理及实现过程,体会在具体应用中的适应性。
实验数据:
smtm.img
实验步骤:
1定义分类模板
(1)在viewer窗口中选择打开smtm.img,在rasteroptions选择fittoframe
(2)
单击classifer|classification|signature
editor,打开分类模板编辑器
(signatureeditor
)
1/15
(3)
在viewer窗口中打开raster|tools
,打开raster
工具面板
(4)
选择AOI多边形绘制按钮,进入多边形
AOI绘制状态,在图像上选择深蓝色区域,
绘制一个多边形AOI,在signatureeditor
窗口,单击
按钮,将多边形
AOI区
域加载到signatureeditor
分类模板属性表中
(5)
在图像上继续选择深蓝色区域,再绘制一个多边形
AOI,在signatureeditor
窗
口,单击
按钮,将多边形
AOI区域加载到signatureeditor
分类模板属性表中
2/15
(6)
用同样的方法加载9个深蓝色多边形
AOI
(7)
在分类模板属性表中,依次单击这些
AOI的class#字段下的分类编号(按住shift
键),并单击
,将所选中的模板合并成一个新的模板,则生成一个新的模板
(8)
单击其signaturename
属性进入编辑状态,输入
water,单击color
属性,选择
深蓝色
3/15
(9)在signatureeditor菜单条,单击edit|delete,删除合并前的模板
(10)在图像上继续选择多个砖红色区域AOI(farmland),赭色区域AOI(forest),绿色区域AOI(grass),浅蓝色区域AOI(resident)
(11)单击signatureedit|file|save命令,打开保存对话框,确定是保存所有模板
(all),并保存分类模板文件的目录
2评价分类模板
(1)分类预警评价
①选中water类别
4/15
②
在signatureeditor
窗口,选择某类或者某几类模板,单击
view|imagealarm
命
令,打开signaturealarm
对话框
③
选中indicateoverlap
复选框,设置同时属于两个及以上的像元叠加预警显示,点击
色框设置为黄色
④
点击editparallelepiped
limit|limit|set
,设置计算方法(method):
minimum/maximum,并选择使用的模板:
current
(当前模板)
⑤设置完成后,单击ok按钮,返回limits对话框,单击close按钮,返回signature
alarm对话框,单击Ok按钮执行分类预警评价,形成预警掩膜,单击close按钮,关
闭signaturealarm对话框
⑥在viewer窗口,选择utility|flick命令,选择automode,speed设为600.
5/15
⑦按照同样的方法分别对forest,farmland,grass类进行预警掩膜,查看准确性
(2)可能性评价
①选中signatureeditior属性表中的所有类别
②单击evaluate|contingency,打开contingencymatrix对话框,nonparamatric选择
featurespace,overlaprules选择parametricrule,unclassifiedrule选择
paramatricrule,paramatricrule选择maximumlikehood
设置完成后,点击ok按钮,便显示分类误差矩阵,若误差矩阵大于85%,结果令
人满意。
(3)分类的分离性
①在模板编辑器中选择water、forest
②选择signatureeditor|evaluate|separability命令,打开signatureseparability
对话框
③组合数据层数(layerpercombination)选择3,distancemeature选择
transformeddivergence,outputform选择ASCII,reporttype选择completereport
6/15
④点击ok完成设置,计算其分离性
⑤一次选择其他类的计算分类的分离性。
若TD值均大于1700,说明可以分开
3进行监督分类
(1)
选择处理图像文件为
smtm
(2)
在inputsignature
中选择super.img
(3)
在classifiedfile
中设置输出数据存储路径及其名称,这里为super.img
(4)
选中输出分类距离文件为distancefile
(5)
在non-parametricrule
中选择featurespace
(6)
在overlaprule
中选择parametricrule
(7)
在unclassifiedrule
中选择parametricrule
(8)
在parametricrule
中选择maximumlikehood
(9)单击ok,执行监督分类
4结果评价
分类叠加
结束监督分类后,在viewer窗口打开smtm.img和super.img,在打开super.img时
rasteroptions中去除cleardisplay选项。
在viewer窗口,选择utility|flick命令,选择automode,speed设为600。
检查
分类结果的准确性。
7/15
分类评估
第一步:
在视窗中打开原始图像
在Viewer中打开分类前的原始图像,以便进行精度评估。
第二步:
启动精度评估对话框
ERDAS图标面板菜单条:
Main→ImageClassification→Classification
或ERDAS图标面板工具条:
点击Classifier图标→Classification菜单
→选择AccuracyAssessment菜单项
→打开AccuracyAssessment对话框
第三步:
打开分类专题图像
AccuracyAssessment对话框菜单条:
File→Open
→打开ClassifiedImage对话框
8/15
→在ClassifiedImage对话框中确定与视窗中对应的分类专题图像
→OK(关闭ClassifiedImage对话框)
→返回AccuracyAssessment对话框
第四步:
将原始图像视窗与精度评估视窗相连接
AccuracyAssessment对话框:
→工具条:
点击SelectViewer图标(或菜单条:
选择View菜单的SelectViewer)
→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
第五步:
在精度评价对话框中设置随机点的色彩
AccuracyAssessment对话框:
→菜单条View→ChangeColors菜单项
→打开Changecolor面板
→在PointswithnoReference确定没有真实参考值的点的颜色
→在PointswithReference确定有真实参考值的点的颜色
→OK(执行参数设置)
→返回AccuracyAssessment对话框
第六步:
产生随机点
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。
AccuracyAssessment对话框:
→Edit→Create/AddRandomPoints
→打开AddRandomPoints对话框
→在searchCount中输入1024
→在NumberofPoints中输入20
9/15
→在DistributionParameters选择Random单选框
→OK(按照参数设置产主随机点)
→返回AccuracyAssessment对话框
可以看到在AccuracyAssessment对话框的数据表中出现了20个比较点,每个点都有
点号、X\Y坐标值、Class、Reference等字段,其中点号、X/Y坐标值字段是有属性值的。
第七步:
显随机点及其类别
AccuracyAssessment对话框:
→View.→ShowAll(所有随机点均以第五步设置的颜色显示在视窗中)
→Edit→ShowClassValues(各点的类别号出现在数据表的class字段中)
10/15
第八步:
输入参考点的实际类别值
AccuracyAssessment对话框:
→在数据表的Reference字段输入各个随机点的实际类别值(只不要输入参考点的实
际分类值,它在视窗中的色彩就变为第五步设置的PointWithReference颜色)
第九步:
设置分类评价报告输出环境及输出分类评价报告
AccuracyAssessment对话框:
→Report→Options
→通过点击确定分类评价报告的参数
11/15
→Report→AccuracyReport(产生分类精度报告)
→Report→CellReport(报告有关产生随机点的设置及窗口环境)
12/15
→所有报告将显示在ERDAS文本编辑器窗口,可以保存为本文件
→File→SaveTable(保存分类精度评价数据表)
→File→close(关闭AccuracyAssessment对话框)
通过对分类的评价,如果对分类精度满意,保存结果。
如果不满意,可以进一步做有关的修改,如修改分类模板等,或应用其它功能进行调整。
5分类后处理
(1)聚类统计(clump)
通过计算分类专题图像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。
在ERDAS图标面板菜单条中,选择main|imageinterpreter|GISanalysis|clump命
令,或在ERDAS图标面板工具条上点击interpreter图标,选择GISanalysis|clump命
令,打开clump对话框,并设置参数:
①选择处理图像文件(Inputfile)super.img
②定义输出文件(outputfile)super-clump
③选择文件坐标类型(coordinatetype)为map/file
④确定聚类统计邻域大小(connectneighbors)为4
(2)去除分析(eliminate
)
去除分析是用于删除原始分类图像中的小图斑或
clump聚类图像的小
clump类组,与
sieve不同,将删除的小图斑合并到相邻的最大的分类当中。
而且,如果输入图像是
clump
聚类图像的话,经过
eliminate
后,将小类图斑的属性值自动恢复为
clump处理前的原始
分类编码。
在
ERDAS图标面板菜单条中,选择main|image
interpreter|GIS
analysis|eliminate
命令,或者在ERDAS图标面板工具条上点击
interpreter
图标,选择
GISanalysis|eliminate
命令,打开eliminate
对话框:
①
选择处理图像文件(
Inputfile
)为super-climp
②
定义输出文件(outputfile
)为super-eliminate
③
选择文件坐标类型
(coordinatetype)
为map/file
④
处理范围
⑤
选择去除分析的图层(
selectlayer
)
⑥
选择ignorezeroinstats
复选框,确定是否忽略输出统计零像元值
⑦
确定最小图斑大小(
minimumsize
)为20
⑧
确定输出数据类型为
unsigned4bit
13/15
⑨单击ok,执行去除分析
(3)分类重编码
在ERDAS图标面板菜单条中,选择main|imageinterpreter|GISanalysis|recode命
令,或者在ERDAS图标面板工具条上点击interpreter图标,选择GISanalysis|recode
命令,打开recode对话框:
①选择处理图像文件(Inputfile)为super-eliminate
②单击setuprecode按钮,打开thematicrecode对话框
③选择需要进行重新编码的行,在nowvalue处输入新编码,点击changeselected
rows,改变原有类别的编码,单击ok
确定输出数据类型(output),单击ok按钮,完成设置
14/15
15/15