Erdas监督分类步骤.docx

遥感图像分类的原理
监督分类流程图（Erdas环境）
在专业遥感图像处理软件Erdas环境下，监督分类的流程图可以表示如下：

图2-1 监督分类流程图
监督分类注意事项
（1）分类应从下往上，即每一地类应先细分为若干小类，然后再依需要自下而上合并成大类。
（2）每一类的训练区文件aoi与特征文件sig应该一一对应，即每一类对应的训练区和特征文件都应该保存为一个单独的文件，以方便在调整训练区的时候进行修改。
（3）精度检验后若精度不符合要求，需要重新调整训练区，再次分类，直到精度满足要求为止。
监督分类过程示例
1．图2-2为某地TM遥感影像，432波段假彩色合成。

图2-2  TM影像（432波段合成）
2．确定分类类别
通过色调、纹理等图像特征，确定该区域分类类别为水体，植被和滩涂。各类分类特征如表2-1所示。

表2-1 分类特征

3．为每一类选择训练区及特征文件
（1）AOI操作工具简介
在Viewer窗口中选择“AOI”→“Tools…”，调出AOI（Area Of Interest，感兴趣区）浮动工具栏（如图2-3所示）。

图2-3  AOI浮动工具栏

其中较为常用的工具按钮为：

（2）特征文件操作工具简介
特征文件从AOI区域中获得。使用“Erdas” →“Classifier” →“Signature Editor”，调出特征文件编辑器，如图2-4所示。

图2-4 特征文件编辑器
其中较为常用的工具为：
 打开一个特征文件。  新建一个特征文件/打开新的特征文件编辑器。
 添加选中的AOI的特征到特征文件中。  使用选中的AOI特征替换当前特征。
 合并选中的特征文件中的特征到一个特征。

一般建立特征文件的步骤是，在Viewer窗口中使用AOI工具勾画感兴趣区，使用 把该AOI区域中的特征添加到特征文件中。也可以选中多个AOI批量添加到特征文件中。
（2）为各类别建立训练区文件和特征文件。
把遥感影像放大到像元级，选择矩形AOI选择工具，根据建立的判读标识，在遥感影像上选择AOI区域，然后使用 依次添加特征到特征文件中。（注：作为示例，本例选择3个AOI区域，且没有细分小类。）选择完成的AOI区域和特征文件如图2-5和图2-6所示。
分别保存为“水体.aoi”和“水体.sig”。
在Viewer窗口中使用 去除已经保存完毕的AOI图层，重新选择其他类别的训练区，并建立新的特征文件。分别保存为“植被.aoi”和“植被.sig”；“滩涂.aoi”和“滩涂.sig”。

图2-5

图2-6
（3）合并特征文件
在各个类别的特征文件建立完毕后，需要合并成为一个总体特征文件。
新建一个特征文件编辑器，选择 打开保存的“水体.sig”文件。注意选择“Append”（添加）把特征文件添加进来，而非“Replace”（替换）。如图2-7所示。

图2-7  添加特征文件
把水体特征文件添加进来之后，全部选中所有的特征，如图2-8所示。

图2-8 选中所有特征
使用 工具，把选中的水体的所有特征合并为一个总体的水体特征，右单击“Class#”列表，选择“Delete Selection”删除原有特征如图2-9所示。

图2-9  删除原有特征
重命名总体水体特征的“Signature Name”为“水体”。如图2-10所示。

图2-10  总体水体特征
如此添加其他两类进入，并合并成各自的总体特征，分别命名为“植被”、“滩涂”。并更改Value值为1，2，3，并另存为（Save As）“结果特征文件.sig”如图2-11所示。

图2-11 结果特征文件
（4）分类
选择“Erdas” →“Classifier” →“Supervised Classification”，在分类设置对话框中如图2-12设置。

图2-12  监督分类设置
在该对话框中，使用 输入待分类的图像“subset.img”、分类特征文件“结果特征文件.sig”并指定分类结果的保存路径及名称，如“分类结果.img”。分类方法选择“Maximum Likelihood”（最大似然），其余可以默认。
点击“OK”，系统将对原始影像依据指定的特征文件进行分类。运算完毕界面如图2-13示。

图2-13 运算完成
（5）分类结果
分类的结果如图2-14所示。

图2-14  分类结果
为了更好的表达分类结果，可以使用Viewer窗口中的“Raster” →“Attributes”，更改“水体”和“植被”的显示颜色为蓝色（RGB为0 0 1）和绿色（RGB为 0 1 0），如图2-15示。

图2-15  调整颜色
调整颜色后的分类结果如图2-16所示。

精度检验
① 同时打开原始影像和分类结果图，在任一幅图中单击右键，在弹出的菜单中选择“Geo. Link/Unlink”，然后在另一幅图中单击左键，关联两幅影像。
② 使用“Erdas”→“Classifier”→“Accuracy Assessment…”，调出精度检验设置窗口。

图2-17 精度检验窗口
③ 使用该窗口中“File”→“Open”，打开原始影像“Subset.img”，调入内存。
④ 使用“View” →“Select Viewer”，选择已经打开的分类图，用以显示将要读取的点位信息。
⑤ 读入GPS测量的点。
格式为标准的txt文本。
文件格式化为3列，第一列存储x坐标，第二列存储y坐标，第三列存储类别代码（即分类时指定的Value值）。如本例中存储的GPS点文件如表2-3所示
表2-3 GPS点位
491355.86
4486746.25
2
491070.45
4487008.52
3
490754.19
4484941.22
2
486997.56
4485905.44
3
486797.00
4486707.68
3
492096.39
4486615.11
1
489118.86
4486815.96
3
486434.45
4483151.61
1
486920.42
4483028.19
3
487375.53
4482665.64
1
488069.78
4482449.65
2
491070.45
4482657.93
1
492266.09
4484439.82
1
489604.83
4483167.04
1
486881.85
4487216.79
1
487984.93
4487085.66
1
490769.61
4487116.51
1
489905.67
4483483.30
3
489080.29
4483606.73
3
487074.70
4483120.75
2

文件中存储的坐标投影应与影像投影完全一致，如本例中影像投影为UTM/Clark1866 N50。
使用“Edit”→“Import User-defined Points”，读入GPS点位文件。选项如图2-18所示。

图2-18 导入选项
读取的结果如图2-19所示。

图2-19 导入结果
⑥ 输入各点位分类类别
使用“Viewer” →“Show All”，把读入的GPS点位在分类图中全部显示出来，逐一对照，在Reference列中输入分类影像的类别代码图2-20。

图2-20 输入代码
⑦ 精度检验
使用“Report” →“Accuracy report”，分析分类精度情况图2-21。

图2-21 精度检验结果
若精度符合要求，则接受分类结果，若不符合要求，则重新分类。