Erdas教案7-图像分类

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,ERDAS根本操作六,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，只是对不同类别到达了区分，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假设干类。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。,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到达设定阈值，或者两次聚类结果相比到达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、两种方式翻开的对话框有些区别，这里用第二种方式翻开的对话框。,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 Signature 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重新聚类的最屡次数，是为了防止程序运行时间太长或由于没有到达聚类标准而导致的死循环，一般设为6以上,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R4G5B3,2、调整属性字段显示,在翻开的viewer中，选择Raster-Attributes，翻开分类后图像的属性表,在该对话框中单击Edit-Clumn Properties,翻开对话框，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，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,假设结果比较满意，那么可结束非监督分类。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。其根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比照度拉伸，到达与 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中翻开，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、在翻开的面板上选择Subset.，然后将newTm.img和panAtlanta.img都用刚刚的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中翻开图像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、在翻开的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：pan_histogrammatch.img,Data Type Output：float single因为sub_subpan.img,数据类型为float,见后面图例如,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,融合效果显示(真彩色显示),将ishend.img与sub_subtm_res.img两幅图像link起来可以看到效果。为了便于显示，用了envi显示四组效果图，左边都是融合后的，右边都是sub_subtm_res.img,