ERDAS入门基础教程-图像分类课件

ERDASIMAGINE9.2遥感数字图像处理入门基础教程----图像分类昆明信飞科技有限公司2025/2/8ERDAS入门基础教程-图像分类图像分类同类地物在相同的条件下（光照、地形等）应该具有相同或相似的光谱信息和空间信息特征。反之，不同类的地物之间具有这些差异。根据这种差异，将图像中的所有像素按其性质分类若干个类型（Class）的过程，称为图像的分类。ERDAS入门基础教程-图像分类目的：分类的目的是从图像中识别实际地物，进而提取地物信息，其过程实际上就是将图像中的每个像元点或区域归于若干个类型中的一类，或若干个专题要素中的一种。结果：图像分类结果是将图像空间划分为若干个子区域，每个区域代表一类地物。ERDAS入门基础教程-图像分类方法：非监督分类、监督分类、专家分类非监督分类：先对分类过程不施加任何先验知识，仅凭像元的光谱特征，运用迭代自组织数据分析（ISODATA）算法，把一组像素按照相似性归成若干类别。监督分类：与非监督分类不同，监督分类是在对遥感图像上地物类别属性已经有了先验知识的基础上进行的，即要从图像中选取所要区分的各类地物的样本，建立模板再进行自动识别。专家分类：首先利用某一领域内专家的知识和经验建立知识库，然后依据分类目标提出假设，并制定支持假设的规则、条件和变量，最后运用知识库自动进行分类ERDAS入门基础教程-图像分类分类的预处理训练区的选择特征选取和提取分类结果的检验和输出图像分类的一般过程在ERDASIMAGINE中分类操作涉及两个模块：分类模块（Classifier）和图像解译（ImagineInterpreter）。其中，分类模块可以完成图像的监督分类、非监督分类、专家分类、分类模板的定义、评价等操作，而在图像解译中的GISAnalysis中可以进行聚类统计、过滤分析、去除分析和分类重编码等分类后处理的操作。ERDAS入门基础教程-图像分类一、非监督分类１、启动非监督分类模块（方法一）非监督分类ERDAS入门基础教程-图像分类启动非监督分类模块（方法二）非监督分类ERDAS入门基础教程-图像分类２、选择图像处理文件（InputRasterFile）和输出文件（OutputClusterLayer）设置被分类的图像和分类结果，并选择生成分类模板文件（OutputSignatureSet）产生一个模板文件。３、在非监督分类对话框中分别设置聚类选项（ClusteringOptions）和处理选项（ProcessingOptions）：(1)系统提供InitialfromStatistics方法和UseSignatureMeans，前者是按照图像的直方图统计值产生自由聚类，而后者是按照选定的模板文件进行分类，产生的类别数与模板的类别数一致。(2)确定初始分类数（NumberofClasses），一般设置为最终分类数的两倍以上。非监督分类ERDAS入门基础教程-图像分类(3)选择InitializingOptions丨

选项，打开选项窗口，在打开的窗口中设置ISODATA的统计参数：InitializingMeansAlong和ScalingRange分别为计算初始均值所沿的轴和度量范围。非监督分类(4)选择ColorSchemeOptions丨OutputColorSchemeOption，设置分类图像颜色属性ERDAS入门基础教程-图像分类3、设置处理选项（ProcessingOptions），确定循环次数和阈值。在ProcessingOptions栏选定最大循环次数（MaximumIterations），它指重新聚类的最大次数，为了避免运行程序时间太长或由于没达到聚类标准而造成的死循环，一般设置在６次以上。设置循环收敛阈值（ConvergenceThreshold），其值是指两次分类结果相比保持不变的像元所占的最大比例，目的在于避免ISODATA无限循环下去。SkipFactor为遍历窗口的大小。单击ＯＫ按钮，执行非监督分类。非监督分类ERDAS入门基础教程-图像分类

(1)在Viewer中打开原始图像和分类后的图像。

(2)设置各类别的颜色如果分类后的图像是灰度显示的，其灰度由系统自动赋予，需要设置各类别的颜色，以增加图像的直观表达效果。

①打开RasterAttributeEditor对话框。分类评价在执行非监督分类后，一个重要的工作就是分类评价，检查分类结果的精度调查分类方案。具体步骤如下：非监督分类ERDAS入门基础教程-图像分类

①打开RasterAttributeEditor对话框。在工具条单击按钮（或者单击Raster丨Tools），打开Raster工具面板，单击按钮（或者选择Raster丨Attributes），打开RasterAttributeEditor对话框。非监督分类ERDAS入门基础教程-图像分类

②调整字段显示顺序。为了方便最先查阅重要的字段，经常需要调整字段显示顺序。在RasterAttributeEditor窗口，选择Edit菜单丨ColumnProperties命令，打开ColumnProperties对话框，如下图所示，在Column列表框中选择字段，通过Up、Down、Top、Bottom按钮调其在属性表中的显示顺序。非监督分类ERDAS入门基础教程-图像分类

③设置颜色。同上，在RasterAttributeEditor对话框中单击某一类别的Color字段，在弹出的AsIs中选择合适的颜色。非监督分类ERDAS入门基础教程-图像分类（3）确定类别精度并标注类别。已经得到了分类的结果，但是类别的精度和专题意义均未确定，确定类别的精度专题意义分以下步骤完成：

①确定类别意义和精度。由于分类结果覆盖在原图像之上，不便于进行单个类别的意义和精度的确定，因此要把不参与比较的类别设为透明，参与比较的类别设为不透明。在RasterAttributeEditor对话框中，点击Opacity字段名，从而进入可编辑状态，依据需要输入０(即为透明)或１(即为不透明)。此时便可进行类别意义和精度的确定，通过在Utility菜单下设置分类结果在原始图像背景上闪烁（Flick）、卷帘显示（Swipe）或混合显示（Blend），选择AutoMode便可进行判别。非监督分类ERDAS入门基础教程-图像分类

②标注类别名称和颜色。在判断类别后就要在属性表标注分类名称。在RasterAttributeEditor窗口中，点击ClassName字段需要修改的类别，进入可输入状态，输入该类别的名称即可。同时，可按照步骤(2)设置颜色的方法设置。（4）分类方案的调整。经过以上步骤后，如果得到满意的分类结果，非监督分类即可结束。非监督分类ERDAS入门基础教程-图像分类监督分类二、监督分类

不同于非监督分类，监督分类基于先验知识，根据训练场提供的样本选择特征参数，建立判别函数，对分类点进行分类。训练场的选择是监督分类的关键，在监督分类中由于训练样本的不同，分类结果会出现极大的差异，因此应选取有代表性的样本，用于监督分类的训练样本应该是光谱特征比较均一的地区，在图像中根据均一的色调估计只有一类地物，且一类地物的训练样本可以选取一块以上。此外，用做样本的数目至少能满足建立分类判别函数的要求，对于光谱特征变化较大的地物，训练样本要足够得多，以反映其变化范围。一般情况下，要行到可靠的结果，每类至少选择10－100个样本。定义分类模板评价分类模板监督分类结果评价满足精度满足精度分类后处理是是否否监督分类流程图ERDAS入门基础教程-图像分类监督分类分类过程１、定义分类模板。

(1)在Viewer窗口中选打开需要处理的影像。

(2)单击Classifier丨Classification丨SignatureEditor，打开分类模板编辑器（SignatureEditor）。

(3)在Viewer窗口中点击，打开Raster工具面板。

(4)选择按钮，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，将多边形区域加载到SignatureEditor分类模板属性表中。ERDAS入门基础教程-图像分类监督分类

(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，将多边形区域加载到SignatureEditor分类模板属性表中。

(6)用同样的方法加载９个深蓝色多边形AOI。ERDAS入门基础教程-图像分类监督分类

(7)在分类模板属性中，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。ERDAS入门基础教程-图像分类监督分类

(8)单击其SignatureName属性进入编辑状态后，输入Water，点击Color属性，选择深蓝色。

(9)在SignatureEditor窗口，单击Edit丨Delete，删除合并前的模板。

(10)在图像上继续选择多个砖红色区或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丨File丨Save命令，打开保存对话框，确定是保存所有模板（All），并确定保存分类模板文件的目录和文件名，单击OK保存。ERDAS入门基础教程-图像分类监督分类

2评价分类模板

(1)分类预警评价。

①选中Water类别。

②在SignatureEditor窗口，选择某类或者某几类模板，单击View丨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EditParallelepipedLimit丨Limit丨Set，设置计算方法（Method）：Minimum/Maximum，并选择使用的模板：Current（当前模板）。ERDAS入门基础教程-图像分类监督分类

⑤设置完成后，单击OK按钮，返回Limits对话框，单击Close按钮，返回SignatureAlarm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。ERDAS入门基础教程-图像分类监督分类

⑥在Viewer窗口，选择Utility丨Flick命令，选择AutoMode，Speed设为600。

⑦按同样的方法分别对forestfarmlandgrass类进行预警掩膜，查看准确性。结果发现farmland和grass分类面积过大，于是按照以上定义模板的方法选AOI、删除、合并，再应用分类预警评介检验模板的准确性。ERDAS入门基础教程-图像分类监督分类

(2)可能性评价。

①选中SignatureEditor属性表中的所有类别。

②单击Evaluate丨Contingency，打开ContingencyMatrix对话框，Non-ParametricRule选择FeatureSpace，OverlapRules选择ParametricRule，UnclassifiedRule选择ParametricRule，ParametricRule选择MaximumLikehood。③设置完成后，点击OK按钮，便显示分类误差矩阵，其结果如下图所示。ERDAS入门基础教程-图像分类监督分类

(3)分类的分离性。

①在模板编辑器中选择water、forest。

②选择SignatureEditor丨Evaluate丨Separability命令，打开SignatureSeparability对话框。

③组合数据层（LayersPerCombination）选择3，DistanceMeasure选择TransformedDivergence，OutputForm选择ASCII，ReportType选择CompleteReport。

④点击OK按钮完成设置，计算其分离性