实验九-遥感图像处理监督分类.doc

实验九 遥感图像处理监督分类

———————————————————————————————— 作者：
———————————————————————————————— 日期：

16

个人收集整理 勿做商业用途
实验九 监督分类
监督分类是基于分类模板来进行的，
1．定义分类模板
(1)显示需要分类的图像
打开germtm。img，注意打开之前要把这副图的raster options → layers to colors 设置为：red （4), green (5）， blue (3）。

（2)打开分类模板编辑器
Classifier → signature editor → 打开signature editor对话框，就是分类模板编辑器。

（3）调整分类属性字段
signature editor对话框中的分类属性表中有很多字段，为了突出作用比较大的字段,需要进行必要的调整。因此，在signature editor对话框的菜单条:
view → columns → 打开view signature columns对话框
选中所有字段（左键点住第一个字段往下拖,所有字段呈黄色），然后按住键盘上shift键的同时，分别点击red， green, blue ，呈白色，点击apply,这时属性表中就没有这三个字段的列了.Close。

（4)获取分类模板信息
就是应用AOI绘图工具在原始图像上获取.
在显示原图像的视窗中点击工具栏图标,打开工具面板。下面的操作将要在工具面板,图像视窗和signature editor对话框中交替进行。

a。工具面板中点击第二行第一个图标，进入多边形AOI绘制状态。
b。在图像视窗中选择黑色区域，绘制一个多边形AOI
c.在signature editor对话框中，点击第三个图标（加号带箭头），即创建新的分类模板，这时就把选择的这个AOI多边形加载到了signature editor对话框的属性表中。

d。 在图像视窗中选择另一个黑色区域，再绘制一个多边形AOI
e. 同样在signature editor对话框中,点击第三个图标（加号带箭头)，这时又把选择的这个AOI多边形加载到了signature editor对话框的属性表中.
f.重复上面c和d步，把你认为颜色相近的多个黑色区域绘制若干个多边形AOI,加载到属性表中。
g。加载完以后，全部选中所有上面加载的多个黑色区域（左键点住第一个字段往下拖，所有字段呈黄色）,在signature editor工具条中点击第五个工具图标，将这多个黑色区域AOI模板合并生成一个综合的新模板,然后选择edit → delete ，删除合并以前的那些模板。

h。在signature editor属性表中，改变综合新模板的signature name 为“水体”，color为蓝色。i。重复上述所有操作过程，在图像视窗中选择绘制多个绿色区域AOI（农田），依次加载到signature editor属性表中,并执行合并生成综合的农田分类模板，然后确定名称和颜色。
j.同样重复上述所有操作过程，绘制多个蓝色区域AOI（建筑），多个红色区域AOI（林地）。。..。。，加载，合并，命名，建立新模板.

k.如果将所有的类型都建立了分类模板的话，才可以进入下一步。
（5）保存分类模板
保存：
将模板保存,指定路径及名称，分类模板的扩展名是。sig.

将图层保存:路径指定，名称为germtm。aoi

2。执行监督分类
实际上就是依据所建立的分类模板，在一定的分类决策规则条件下，对图像的象元进行聚类判断的过程.
Classifier → supervised classification → 打开对话框
在supervised classification 对话框中,定义参数：
⊕input raster file: germtm。img （被分类图像）
⊕classified file： (产生的分类图像，自己定义)
⊕input signature file:（刚才保存的分类模板文件)
⊕选择输出分类距离文件distance file： （用于分类结果进行阈值处理,自己定义)
⊕定义分类距离文件（filename)： (自己定义)
⊕non_parametric rule： feature space （选择非参数规则）
⊕overlay rule： parametric rule （选择叠加规则，已经自动选好）
⊕unclassified rule： Parametric rule （选择未分类规则，已经自动选好）
⊕parametric rule: Maximum likelihood （选择参数规则)
⊕ok (开始执行监督分类)

打开监督分类的图层,结果如下：

精度评价：
在viewer中打开分类前的原始图像germtm。img以便进行精度评价。
打开accuracy assessment对话框

在此file/open中打开分类后的图像jiandufenl。img，将原始图像与精度评估视窗相连接view/select viewer，将光标在显示有原始图像germtm。img的视窗中点击一下，
确定与视窗中germtm.img对应，ok并返回如下图示。

在精度评价中设置随机点的色彩，view/change colors菜单项，打开change color面板

确定没有真实参考值的点的颜色为白色，有真实参考值的点的颜色为黄色

选择OK后，在精度评价窗口中的编辑产生随机评估点。随机点产生后，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分类图象的类别将进行比较，操作过程为edit/create/add random points，打开如下对话框及其设置

可以看到生成十个比较点

将这些点的类别显示出来,view/show all，所有点在视窗中以白色显示出来,edit/show class values使各类别号出现在数据表的class字段中：

看随机点的分类是否正确，如果与自己分类的形同，则在Rererence的位置上填写相同的分类，如果不同，则填写正确的分类。填写如下：

为了查看分类的精度，在精度评价窗口打开Report/Accuracy Report：

打开Accuracy Report，查看如下两个系数，分类精度达到了80%,符合要求，Kappa系数为0。7015，在-1至1之间，符合要求，故监督分类效果较好！

若对分类结果不满意，可以进一步修改分类模板等，或应用其他功能进行调整。