《现代遥感导论》实习光盘

现代遥感导论教材实习指导第2章实习内容实习1 地物光谱的测试实习目的：掌握地物光谱数据的采集方法，熟悉常见地物的光谱特性。实习内容：利用便携式光谱仪（如ASD），测量校园附近典型地物的光谱数据及光谱曲线，如水体、植被、水泥地面、建筑等。实习主要步骤：1. 安装调试光谱仪。参照光谱仪的使用说明进行野外安装和调试。2. 测量目标地物。选择要测量的目标地物，进行野外实际测量。3. 记录测量目标基本信息，并记录测量过程和数据。4. 测量结果分析。根据野外测量数据，绘制不同地物的光谱曲线图，分析各地物的光谱特征。5. 编写实习报告：内容包括测量过程、方法、数据、结果等。第4章实习内容实习1 航空像片的立体观察实习目的：理解像对立体观察的原理和方法；掌握像对上测量高差的方法。实习内容：利用立体镜（透镜式立体镜、发射式立体镜等均可）进行像对立体观察和高差的测量。实习主要步骤：1在立体镜下安置像片时，应使两张像片的基线在一条直线上，然后将立体镜基线距离调整到与两眼距离（即眼基线）大致相等，并使立体镜基线方向与像片基线平行。2观察时眼睛接近立体镜，若同一地物影像出现双影，是由于两张像片相隔太远或太近（即两张像片的相应点距离大于或小于眼基线），或是两张像片的基线未在一直线上等原因所造成，这时应慢慢移动像片，使两张像片的基线在一直线上，并使两张像片的间隔适当，直至影像重合。重合后只要仔细观察就会出现立体。3在立体观察时，像片的阴影部分尽量对着自己，这样对观察立体有很大帮助，可以提高立体观察效果。因为人的生理比较适应光线从人的对方照射过来。4像对的立体测量（高差）。通过量测像对的左右视差，计算已知焦距和航高的像对上两点之间的高差。实习2 利用校园航片编制校园平面图实习目的：掌握遥感图像目视解译的基本原理、过程、方法与技巧；掌握计算机遥感制图的基本过程。实习内容：判读校区附近彩红外像片，使用GIS（如Mapinfo）软件进行影像的屏幕数字化判读结果与成图。实习的主要步骤：1. 目视解译与野外调查阶段（基本过程略）在室内判读的基础上，进行野外校对和验证。2. 计算机制图（Mapinfo）（1）数据准备：收集校园区域的航空像片，若为胶片格式，进行扫描形成数字格式。（2）地理配准：选取控制点（最少四个，均匀布图、明显易辨识），配准误差小于两个像元。（3）图像数字化：在GIS软件中，按照图层对目视解译结果进行数字化。图层如建筑物 （面）、道路（线）、河流（面）、运动场（面）、绿地（面）、文字注记等。（4）地图整饰：图框、图名、比例尺、指北针、图例。（5）地图打印输出。3. 编写实习报告实习报告包括：实习目的、过程、结果和体会。第5章实习内容实习1 卫星图像的目视判读实习目的：认识和掌握各波段图像的光谱特征，学习卫星图像目视判读的原理与方法。实习内容：判读一幅你所熟悉地区的卫星多波段图像（如TM、SPOT等）。实习主要步骤：1. 认识和比较遥感多波段图像（如TM）的光谱效应。2. 图像目视判读。识别图像中常见地物类型、分析其图像特征。3. 绘制解译图。在透明纸上（或计算机屏幕上）勾绘所识别出来的各地物类型边界轮廓，形成判读解译图。4. 编写实习报告。主要包括判读实习过程、判读标志、方法及体会。第9章实习内容实习1 遥感图像的输入与输出实习目的：了解卫星影像数据的存储方式和格式，学会使用遥感图像处理软件进行数据输入与输出，了解遥感数字图像的统计特征，以及使用遥感图像处理软件对二进制图像数据进行操作的步骤和方法。实习内容：在ERDAS软件中，使用数据输入/输出(Import/Export)功能，完成遥感图像的输入与输出。实习主要步骤：1. 二进制图像数据：用户从遥感卫星地面站购置的TM图像数据或其它图像数据，往往是经过转换以后的单波段普通二进制数据文件，外加一个说明头文件。对于这种数据，必须按照Generic Binary格式来输入，而不能按照TM图像或者SPOT图像来输入2. 打开输入/输出功能：在ERDAS图标面板菜单条单击Main| Import/Export命令，打开Import/Export对话框，或在ERDAS图标面板工具条单击Import/Export图标，打开Import/Export对话框。在Import/Export对话框中，设置需要的参数信息3. 单波段数据格式转换：确定输入文件路径和文件名（Input File）和输出文件路径和文件名（Output File），执行输入/输出转换，将单波段普通二进制数据文件转换为遥感图像处理软件的文件。4. 预览图像效果（Preview）：打开一个视窗显示输入图像，如果预览图像正确，说明参数设置正确。5. 完成数据输入：依次将多个波段数据全部输入，转换为遥感图像处理软件的文件。第10章实习内容实习1 遥感图像的辐射校正实习目的：了解遥感图像辐射校正的基本含义和原理，掌握利用最小值法进行遥感图像辐射校正的方法和步骤。实习内容：在ERDAS软件中，利用最小值法进行遥感图像的简单辐射校正。实习主要步骤：1. 在ERDAS软件中打开一幅图像文件，观察图像，分辨出图中的水域部分。通过2,3,4波段分析，发现各个波段像元亮度的最小值都大于0，这说明可能存在辐射误差。2. 利用软件中的Model Maker进行最小值法辐射校正，启动一个新的计算模型，选取2，3，4波段，分别用各波段的像元值减去本波段像元的最小值，输出2,3,4波段的中间图像，然后对2，3，4波段进行彩色合成，保存并运行model。这样，就利用最小值法实现了对输入图像各波段的辐射校正。3. 对比输入图像和输出图像，比较校正前后的变化，然后再观察校正后图像的像元统计特征值和直方图变化。实习2 遥感图像的几何校正实习目的：了解遥感图像几何校正的基本含义和原理，掌握遥感图像几何精校正的方法和过程。实习内容：在ERDAS软件中，以另一遥感图像数据作为投影与坐标参照系，进行遥感图像几何精校正，实现两幅图像的拼接和配准。实习主要步骤：1. 在ERDAS软件Viewer1中打开需要校正的Lantsat图像，在Viewer2中打开已有地理坐标的SPOT图像（地理校正过的）。2. 启动几何校正模块：在viewer1菜单条中，单击Raster/Geometric Correction命令，在出现的对话框选择几何校正计算模型，如Polynomial（多项式）模型。定义多项式模型参数以及投影参数，选择最少6个控制点，ERDAS系统中提供9种控制点采集模型，按照实际控制点数据来源，选择控制点采集模式。3. 采集地面控制点：采集若干控制点GCP（这里至少要采集6个控制点），直到满足所选定的几何模型为止。选完后不断调整误差大的点的位置，或者删去一些误差较大的点。4. 采集地面检查点：以上采集的 GCP的类型均为控制点，用于控制计算，建立转换模型及多项式方程。除此之外，还需要采集地面检查点，用于检验所建立的转换方程的精度和实用性。5. 计算转换模型：在控制点采集过程中，一般是设置为自动转换计算模型。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。6. 图像重采样：重采样过程就是依据未校正图像的像元值，计算生成一幅校正图像的过程。原图像中所有删格数据层都要进行重采样。ERDAS 提供了四种最常用的重采样方法：最邻近法（Nearest Neighbor）、双线性内差法（Bilinear Interpolation）、三次卷积内差法（Cubic Convolution）和双三次样条（Bicubic Spline）。7. 保存几何校正模式：按照系统提示，选择保存图像几何校正模式，并定义模式文件，以便下一次直接利用。8. 检验校正结果：同时在两个视窗中打开两幅图像，一幅是矫正以后的图像，一幅是当时的参考图像，通过视窗地理连接（GeoLink）功能，及查询光标功能进行目视定性检验。实习3 利用IHS 法进行遥感图像融合IHS 融合法是比较常用的一种遥感图像融合方法。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。实习目的：了解遥感图像融合的目的、意义和方法。学会利用遥感图像处理软件实现不同波段、不同传感器遥感图像，以及遥感图像与GIS矢量数据的融合。实习内容：在ERDAS软件中，利用IHS 融合法，实现TM的多光谱段和Spot全色波段的融合。实习主要步骤：1. 图像配准与裁切：使两幅图像具有相同的投影坐标系、分辨率和像元数。2. RGB模式向IHS模式转换：打开的RGB to HIS对话框中，选择输入输出文件名和波段开始转换。3. 直方图匹配：利用软件Image Interpreter / Radiometric Enhance/Histogram Match进行灰度图像和RGBtoIHS.img I分量（第一个波段）的直方图匹配，并设置相关参数。4. 波段替换：将直方图匹配后的图像（1 band）替换RGBtoIHS.img的I分量（1 band）。5. IHS向RGB模式转换：在Image Interpreter /Spectral Enhancement. / IHS to RGB对话框中设置参数，完成模式转换。6. 直方图匹配：为了使融合效果更好，将Ihstorgb.img与subTm进行直方图匹配，输出文件设置为Result.img。7. 显示融合效果 (真彩色显示)：分别打开Result.img与subTm.img，并以真彩色模式R（3）、G（2）、B（1）显示，在两幅图像之间建立Geo-link，可以对比融合前后的效果。融合后的图像 融合前图像第11章实习内容实习1 遥感图像的彩色合成实习目的：理解遥感图像彩色合成处理的目的、意义和原理。学会利用遥感图像处理软件进行单波段图像的彩色合成。实习内容：利用ERDAS软件进行彩色合成处理。实习主要步骤：选择某一区域TM2,3,4三个多光谱段图像。1. 数据选择2. 启动ERDAS的Interpreter/Utilities/LayerStack，进入彩色合成模块。在对话框中依次选择4，3，2波段，保存合成后的输出文件（OutputFile）。3. 进行标准假彩色合成。4. 打开合成后的彩色图像，观察合成前后图像对比变化。5. 打开视图中的Raster/Band Combination，调整R、G、B赋值顺序，观察图像变化。6. 选择TM其它波段图像，在ERDAS的Interpreter/Utilities/LayerStack彩色合成模块中，按照不同的合成方案，如321、743、543等进行合成。对比各种合成方案的效果。实习2 遥感图像对比度增强与拉伸实习目的：影像的数字说明了地物的反射率大小。但是如果获取数值差异不大，显示为影像地物色彩不容易区分（整体偏暗、偏亮），即对比度小, 则会影响有用信息的提取。因此需要一种数学方法，来合理的扩大信息差异。即改变像元数值大小。方法有多种，如使大数值更大，小数值更小，扩大差异；使过小的数值变大，过大的数值变小，缩小没有必要的距离。这些方法对应了不同的对比度拉伸功能。经多对比度变换后，影像矩阵数值改变，将不再代表地物反射率，但是提高了地物信息之间的区分度。通过上机操作，了解遥感图像对比度变换的原理，学会遥感图像的线性拉伸、分段线性拉伸、非线性拉伸等处理。实习内容：利用ERDAS软件进行遥感图像的线性拉伸、分段线性拉伸和直方图均衡化。实习主要步骤：1. 打开一幅灰度图像。2. 利用AOI工具选择图像上要进行灰度变换的区域或者对整幅图像进行变换。3. 在Raster/contrast/General Contrast/Histogram Equalize中进行直方图均衡化变换，设置变换后的灰度区间为0-255。观察经过变换后的效果。4. 在Raster/contrast/General Contrast/ Iinear中进行线性拉伸。设置Slope（斜率）和Shift（y轴截距）两个参数的值。观察变换后的效果图。5. 在Raster/contrast/BreakPoint中进行分段线性变换。其中Lookup Values为查找表，反映分段线性变换前后像元亮度值的变化，是灰度变换的依据。Breakpoints为断点值，可以通过添加、删除、移动等操作，调整断点的值。观察变换后的效果。6. 保存灰度变换结果，比较变换前后图像变化。实习3 遥感图像的平滑与锐化实习目的：理解遥感图像邻域增强处理的目的、原理和方法。学会利用遥感图像处理软件进行图像的平滑、锐化等处理。实习内容：利用ERDAS软件进行遥感图像的平滑和锐化处理。实习主要步骤：1在.ERDAS中，点击Interpreter/spatial Enhancement / convolution，打开convolution对话框。2确定输入文件（Input File）：lanier.img和定义输出文件（Onput File）。3设置选择卷积函数（kernal）：ERDAS将常用的卷积积算子放在default.klb 的文件 中。 其中：用于平滑的函数有：33（55、77）low pass、summary等。用于锐化处理的有：33（55、77）Highpass 、edge detect、edge enhance等。用于定向监测的有：33（55、77）Horizontal、Vertical等。4点击Edit，查看和修改卷积函数。5点击OK，开始卷积处理操作。6分析对比处理前后图像变化。实习4 植被指数计算植被指数计算广泛应用于地质探测和植被分析，可以在不同岩石类型和植被种类间产生细小的差别。在多数情况下，指数选择得好可以将原始彩色波段里看不到的差别加大或增强。实习目的： 理解计算机遥感图像指数计算的基本原理和过程，达到能熟练地利用遥感图像处理软件进行指数计算的目的。 实习内容：利用ERDAS 软件进行植被指数计算。实习过程：1. 在ERDAS的 Main/Image Interpreter/Spectral Enhancement/Indices/indices中，启动指数计算界面。2. 输入参数，选择计算模型。 （1）确定输入文件（Input File）：tmatlanta.img（2）定义输出文件（Onput File）：ndvi.img（3）文件坐标类型（Coordinate Type）：map（4）确定处理范围（Subset Definition）：ULX、ULY、LRX和LRY（缺省状态为整个图像范围，也可以应用Inqure Box或者AOI定义子区）（5）选择传感器类型（Sensor）：Landsat TM针对不同的传感器类型，选择相应的波段进行计算。ERDAS8.7提供以下几种传感器 类型的指数计算：SPOT XS/XL、Landsat MSS、Landsat TM、NOAA AVHRR。（6）选择计算指数函数（Select Function）：NDVI (相应的计算公式将显示在对话框下方的Function提示栏)l IR/R（红外/红）l SQRT（IR/R）l Veg. Index （植被指数）：IR-Rl NDVI（归一化植被指数）： (IR-R)/(IR+R)l TNDVI（转换NDVI）：Sqrt(IR-R)/(IR+R)+0.5)l IRON OXIDE（铁氧化物）：TM3/ TM1l CLAY MINERALS（粘土矿物）：TM5/ TM7l FERROUS MINERALS（铁矿石）：TM5/ TM4l MINERAL COMPOSITE（矿物合成）：RGB(TM5/ TM7, TM5/ TM4, TM3/ TM1)l HYDROTHERMAL COMPOSITE（热液合成）：RGB(TM5/ TM7, TM3/ TM1, TM4/ TM3)下表列出了一些常见传感器的红外（IR）和红光（R）波段传感器IR波段R波段Landsat MSS75SPOT XS32Landsat TM43NOAA AVHRR21（7）设置输出数据类型（Output Data Type）：Unsigned 8 bit3. 设置完成后，执行指数计算。4. 观察计算后的植被指数图像效果。第12章实习内容实习1 遥感图像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。实习目的：掌握非监督分类的方法与过程，加深对非监督分类方法的理解。实习内容：利用ERDAS软件进行遥感图像的非监督分类。实习主要步骤：1.启动非监督分类模块，进行初始分类在ERDAS软件中，点击Classifier图标下C1assification /Unsupervised Classification ，进入unsupervised classification模块以及相应的对话框： 设置对话框参数：（1）确定输入文件（Input Rster File）：germtm.img（未分类图像）（2）确定输出文件（Output File）：unsupervised.img（产生的分类图像）（3）选择分类模板文件（Output Signature Set FileName）：unsupervised.sig（4）确定聚类参数（Clustering Options），需要确定初始聚类方法和分类数目，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 Signature Means方法是按照选定的模板文件进行非监督分类。（5）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。（6）通过Initializing Options 按钮，设置ISODATA的一些参数。（7）通过Color Scheme Option按钮，设置分类图像彩色属性。（8）确定处理参数（Processing Options），需要确定循环次数与循环阈值。（9）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以上）。（10）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）。（12）单击ok，完进行初始分类。2.调整分类方案（1）叠加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-Column Properties,打开对话框，可以调整字段的顺序以及字段名称等。（3）定义各类别颜色。（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Class Names 中修改。3.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。实习2 监督分类实习目的：理解计算机图像分类的基本原理以及监督分类的过程，达到能熟练地对遥感图像进行监督分类的目的。实习内容：利用ERDAS 软件进行遥感图像监督分类。实习主要步骤：1.定义分类模板（1）显示需要进行分类的图像。 （2）打开模板编辑器并调整显示字段。 在ERDAS中，点击C1assifier/Signature Editor菜单项，出现Signature Editor对话 框。（3）获取分类模板信息利用AOI工具选择训练样区，将AOI区域加载到Signature分类模板中。并定义该训练样区所代表的分类类别的名称（Signature Name）和该类别在分类后图像中的颜色（Color）。重复上述操作过程以多选择几个区域AOI，并将其作为新的模板加入到Signature Editor当中，同时确定各类的名字及颜色。如果对同一个专题类型（如水体）采集了多个AOI并分别生成了模板，可以将这些模板合并，以便该分类模板具多区域的综合特性。（4）保存分类模版信息。2.评价分类模板在对遥感影像做全面分类之前，对所选的训练区样本是否典型以及由训练区样本所建立起来的判别函数是否有效等问题并无足够的把握。因此，通常在全面分类之前，先仅用训练区中的样本数据进行试分类，即分类模版的评价。分类模板评价工具包括：分类报警工具（Alarms）、可能性矩阵（Contingency matrix）、特征对象（Feature objects）、特征空间到图像掩模（Feature Space to image masking）、直方图方法（Histograms）、分类的分离性（Signature separability）、分类统计分析（Statistics）。 这里以分类警报工具为例说明其具体用法。分类模板报警工具根据平行六面体决策规则(Parallelepiped division rule)将那些原属于或估计属于某一类别的像元在图像视窗中加亮显示，以示警报。（1）创建类别掩膜在Signature Editor对话框中，首先选择要评价的类，设置计算方法（Method）：Minimum/Maximum，选择使用的模板（Signature）：Current。（2）利用/Utility/Flicker功能查看报警掩膜，观察报警掩膜与实际的地物类别的吻合程度。如果偏差较大，则需要重新进行该类别训练样区的选择。（3）删除分类报警掩膜。点击View/Arrange Layers菜单，打开Arrange Layers对话框，右键点击Alarm Mask图层,在弹出的Layer Options菜单中选择Delete Layer，删除掩膜层。3.执行监督分类在监督分类过程中，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（Overlay rule）和未分类规则（unsupervised rule）。基本过程是：在ERDAS软件的Classifier/Classification/Supervised Classification对话框中，需要确定下列参数：l 确定输入原始文件（Input Raster File）l 定义输出分类文件（Supervised File）： Supervised.imgl 确定分类模板文件（Input Signature File）l 选择输出分类距离文件：Distance File（用于分类结果进行阈值处理）l 定义分类距离文件（Filename）：tm_distance.imgl 选择非参数规则(Non_parametric Rule)：Feature Spacel 选择叠加规则(Overlay Rule)：Parametric Rulel 选择未分类规则(Unsupervised Rule)：Parametric Rulel 选择参数规则(Parametric Rule)：Maximum Likelihoodl 不选择Supervised zeros（分类过程中是否包括0值）设置完成后执行监督分类。分类完成后，打开分类图像（Supervised.img）4.分类精度评估执行了监督分类之后，需要对分类精度进行评估。分类精度评估是将专题分类图像中的特定像元与已知分类的参考像元进行比较，实际工作中常常是将分类数据与地面真值、先前的试验地图、航空像片或其他数据进行对比。下面是具体的操作过程：（1）在视窗中打开原始图像。 （2）在Classifier /Classification菜单中，选择Accuracy Assessment菜单项，进入精度评估模块。Accuracy Assessment 对话框中显示了一个精度评估矩阵（Accuracy Assessment Cellarray）。精度评估矩阵中将包含分类图像若干像元的几个参数和对应的参考像元的分类值。这个矩阵值可以使用户对分类图像中的特定像元与作为参考的已知分类的像元进行比较，参考像元的分类值是用户自己输入的。矩阵数据存在分类图像文件中。（3）打开分类专题图像。在Supervised Image对话框中打开与视窗中对应的分类专题图像。（4）将原始图像视窗与精度评估视窗相连接。（5）在精度评价对话框中设置随机点的色彩。（6）产生随机点。本步骤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。（7）显示随机点及其类别。在Accuracy Assessment对话框中，点击View/Show All(所有随机点均以第五步设置的颜色显示在视窗中)，点击Edit/Show Class Values（各点的类别号出现在数据表的class字段中）。（8）输入参考点对应的实际类别值。在数据表的Reference字段输入各个随机点的实际类别值（只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Point With Reference颜色）。（9）设置分类评价报告输出环境及输出分类评价报告。通过对分类结果的评价，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、或者对其它功能进行调整。5.分类后处理监督分类后，在分类结果中会产生一些面积很小的图斑，对专题制图和实际应用都会产生一定的影响，有必要对这些小图斑进行一系列处理。ERDAS系统中的 GIS分析命令Clump、Sieve、 Eliminate可以综合完成小图斑的处理工作。（1）聚类统计(Clump)聚类统计是通过对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，用于进一步处理。具体步骤是：在ERDAS图标面板工具条，点击Interpreter图标/GIS Analysis/Clump。在Clump对话框中，输入一系列参数后完成。（2）过滤分析（Sieve）Sieve功能是对经Clump 处理后的Clump类组图像进行处理，按照定义的数值大小，删除Clump图像中较小的类组图斑，并给所有小图斑赋予新的属性值0。Sieve经常与Clump命令配合使用，对于无须考虑小图斑归属的应用问题，有很好的作用。在ERDAS软件的Interpreter /GIS Analysis/Sieve对话框中，输入一系列参数后执行过滤分析。（3）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聚类图像中的小Clump类组，与sieve命令不同，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处理后，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。具体步骤是：在ERDAS 中/Interpreter /GIS Analysis/Eliminate对话框中，设置一系列参数后执行去除分析。6.栅格转矢量为了使分类后的栅格图像，转换为GIS能够直接分析的矢量地图，需要进行栅格转矢量操作。具体步骤是：在ERDAS 的Vector /Raster To Vector菜单中进行转换。第13章实习内容实习1 分类精度评价实习目的：执行了监督分类之后，需要对分类精度进行评估。分类精度评估是将专题分类图像中的特定像元与已知分类的参考像元进行比较，实际工作中常常是将分类数据与地面真值、先前的试验地图、航空相片或其它数据进行对比的途径之一。实习内容：在ERDAS软件中，对分类图进行精度评价。实习的方法与主要步骤：（1）在视窗中打开原始图像：tm_860516.img。（2）点击Classifier 图标/Classification菜单，选择Accuracy Assessment菜单项，进入精度评估模块。Accuracy Assessment 对话框中显示了一个精度评估矩阵（Accuracy Assessment Cellarray）。精度评估矩阵中将包含分类图像若干像元的几个参数和对应的参考像元的分类值。这个矩阵值可以使用户对分类图像中的特定像元与作为参考的已知分类的像元进行比较，参考像元的分类值是用户自己输入的。矩阵数据存在分类图像文件中。（3）打开分类专题图。点击Accuracy Assessment 对话框菜单条中的 File/Open，打开Supervised Image对话框；在Supervised Image对话框中打开与视窗中对应的分类专题图像；返回Accuracy Assessment对话框。（4）将原始图像视窗与精度评估视窗相连接。在Accuracy Assessment对话框中原始图像视窗与精度评估视窗相连接。（5）在精度评价对话框中设置随机点的色彩。在Accuracy Assessment对话框中打开Change color面板，确定有真实参考值的点的颜色。（6）产生随机点。本步骤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。 在Accuracy Assessment对话框的数据表中出现了多个比较点，每个点都有点号、X/Y坐标值、 Class、Reference等字段，其中点号、 XY坐标值字段是有属性值的。如果是做一个正式的分类评价，必须产生20个以上的随机点。 （7）显随机点及其类别。在Accuracy Assessment对话框中所有随机点均以所设置的颜色显示在视窗中。（8）输入参考点对应的实际类别值。在数据表的Reference字段输入各个随机点的实际类别值（只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颜色）。（9）设置分类评价报告输出环境及输出分类评价报告。在Accuracy Assessment对话框中，确定分类评价报告的参数，产生分类精度报告。所有报告将显示在ERDAS文本编辑器窗口，可以保存为文本文件。通过对分类结果的评价，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、或者对其他功能进行调整。