实习四 遥感图像分类 滁州学院国土信息工程系

背景知识 图像分类就是基于图像像元的数据文件值，将像元归并成有限几种 类型、等级或数据集的过程。常规计算机图像分类主要有两种方法：非 监督分类与监督分类，本实验将依次介绍这两种分类方法。 非监督分类运用 ISODATA （ Iterative Self-Organizing Data Analysis Technique) 算法，完全按照像元的光谱特性进行统计分类，常常用于对 分类区没有什么了解的情况。使用该方法时，原始图像的所有波段都参 于分类运算，分类结果往往是各类像元数大体等比例。由于人为干预较 少，非监督分类过程的自动化程度较高。非监督分类一般要经过以下几 个步骤：初始分类、专题判别、分类合并、色彩确定、分类后处理、色 彩重定义、栅格矢量转换、统计分析。

背景知识 监督分类比非监督分类更多地要用户来控制，常用于对研究区域比较 了解的情况。在监督分类过程中，首先选择可以识别或者借助其它信息 可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识 别具有相同特性的像元。对分类结果进行评价后再对模板进行修改，多 次反复后建立一个比较准确的模板，并在此基础上最终进行分类。 监督分类一般要经过以下几个步骤：建立模板 ( 训练样本 ) 分类特征统 计、栅格矢量转换、评价模板、确定初步分类图、检验分类结果、分类 后处理。由于基本的非监督分类属于 IMAGINE Essentials 级产品功能， 但在 IMAGINE Professional 级产品中有一定的功能扩展，非监督分类命 令分别出现在 Data Preparation 菜单和 Classification 菜单中，而监督分 类命令仅出现在 Classification 菜单中。

非监督分类（ Unsupervised Classification) 打开非监督分类对话框 DataPrep 图标 /Data Preparation/Unsupervised Classification 菜单项；

如下图输入相应参数后， OK 完成非监督分类；

分类评价 (Evaluate Classification ) 获得一个初步的分类结果以后，应用分类叠加检查分类精度。显示原 图像与分类图像；在视窗中同时显示 germtm.img 和 germs_isodat 两个图 像，叠加顺序为 germtm.img 在下， germtm_isodat.img 在上。 germtm.img 显示方式用红 (4) 、绿 (5) 、蓝 (3) 。

打开分类图像属性表并调整字段显示顺序 最后使 Histogam ， Opacity ， Color ， Class_Names 四个字段的显示 顺序依次排在前，点击 OK 按钮 ( 关闭 Column Properties 对话框 ) 。

给各个类别赋相应的颜色 Rarster Attribute Editor 对话框 (germtm_isodata 的属性表： 点击一个类别的 Row 字段从而选择该类别，右键点击该类 别的 Color 字段 ( 颜色显示区 ) ，选择一种颜色。

不透明度设置 由于分类图像覆盖在原图像上面，为了对单个类别的判别精度进 行分析，首先要把其它所有类别的不透明程度 (Opacity) 值设为 0( 透明 ) 。 而要分析的类别的透明度设为 1( 即不透明 ) ，操作方法： Rarster Attribute Editor 对话框 (genntm_isodata 的属性表 ) ：右键点 击 Opacity 字段的名字，打开 Column Options 菜单，选择 Formula 菜单项： 在 formula 对话框的 formula 输入框中 ( 用鼠标点击右上数字区 ) 输入 0 ，点击 Apply 按钮 ( 应用设置 ) ，所有类别设置成透明的。把要所分析类别的不透明度设置为 1 。 逐类别检查分析类别的分类准确性。

确定类别专题意义及其准确程度 视窗菜单条： Utility/Flicker 标注类别的名称和相应颜色 Rarster Attribute Editor 对话框 (germtm_isodata 的属性表 ) ：点击 该类别的 Class Names 字段从而进入输入状态，右键点击该类别的 Color 字段 ( 颜色显示区 ) ，选择一种合适的颜色 ( 如水体为蓝色 ) 。

监督分类 定义分类模板 第一步：显示要进行分类的图像 第二步：打开摸板编辑器并调整显示字段 分类模板编辑器

第三步：获取分类模板信息 指导学生掌握四中获取分类模板信息方法中的两种。 第四步：保存分类模板 评价分类模板 报警评价、可能性矩阵、直方图三种分类模板评价方法。 要求重点掌握利用可能性矩阵方法评价分类模板。 可能性矩阵 (Contingency Matrix) 评价工具是根据分类模 板，分析 AOI 训练区的像元是否完全落在相应的类别之中。通 常都期望 AOI 区域的像元分到它们参于训练的类别当中，实际 上， AOI 中的像元对各个类都有一个权重值， AOI 训练样区只 是对类别模板起一个加权的作用。 Contingency Matrix 工具可同时应用于多个类别，如果你 没有在 Signature Editor 中确定选择集，则所有的模板类别都将 被应用。可能性矩阵的输出结果是一个百分比矩阵，它说明每 个 AOI 训练区中有多少个像元分别属于相应的类别。

在 Signature Editor 中选择所有类别，菜单： Evaluation / Contingency ， 打开参数设置窗口： 点击 OK 后，显示评价结果：

可能性矩阵评价结果

执行监督分类 (Perform Supervised Classification)

参数设置： 在 Supervised Classification 对话框中，需要确定下列参数 : 确定输入原始文件 (Input Raster File ): tm_ img 定义输出分类文件 (Classified File): tm_superclass.img 确定分类模板文件 (Input Signature File): tm_ sig 选择输出分类距离文件 :Distance File( 用于分 类结果进行阈值处理 ) 定义分类距离文件 (Filename): tm_distance.img 选择非参数规则 (Non-Parametric Rule ):Feature Space 选择叠加规则 (Overlay Rule ):Parametric Rule 选择未分类规则 (Unclassified Rule ):Parametric Rule 选择参数规则 (Parametric Rule ):Maximum Likelihood 不选择 Ciassify zeros( 分类过程中是否包括 0 值 ) OK( 执行监督分类，关闭 Supervised Classification 对话框 )

分类精度评估 分类精度评估是将专题分类图像中的特定像元与己知分类的参考像元 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。 ①在 Viewer 中打开分类前的原始图像，以便进行精度评估。 ②启动精度评估对话框， ERDAS 图标面板菜单条 :Main / Image Classification /Classification 菜单，选择 Accuracy Assessment 菜单 项，打开 Accuracy Assessment 对话框：

③打开分类专题图像 Accuracy Assessment 对话框菜单条 :File / open 打开 Classified Image 对话框 在 Classified Image 对话框中确定与视窗中对应的分类专题图像 OK( 关闭 Classified Image 对话框 ) 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 Accuracy Assessment 对话框 : 工具条 : 点击 Select Viewer 图标 ( 或菜单条 : 选择 View / Select Viewer) 将光标在显示有原始图像的视窗中点击一下 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 Accuracy Assessment 对话框 : 菜单条： View / Change Colors 菜单项， 打开 Change color 面板  在 Points with no Reference ，确定没有真实参考值的点的颜色  在 Points with Reference 确定有真实参考值的点的颜色  OK( 执行参数设置 ) ，返回 Accuracy Assessment 对话框

⑥产生随机评估点 本步操作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。 操作过程： Accuracy Assessment 对话框 :Edit / Create/Add Random Points ，打开 Add Random Points 对话框：  在 Search Count 中输入 1024  在 Number of Points 中输入 10  在 Distribution Parameters 选择 Random 单选框  OK( 按照参数设置产生随机点 ) ，返回 Accuracy Assessment 对话框

可以看到在 Accuracy Assessment 对话框的数据表中出现了 10 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、 X/Y 坐标值字段 是有属性值的。 Accuracy Assessment 对话框中显示了一个精度评估矩阵 (Accuary 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。矩阵数据从分类 图像文件中得到。

⑦显示随机点及其类别 Accuracy Assessment 对话框 :View / Show All( 所有随机点均以第五 步所设置的颜色显示在视窗中 ) ； Edit / Show Class Values( 各点的类别号出现在数据表 的 Class 字段中 ) ； ⑧输入参考点的实际类别值 Accuracy Assessment 对话框：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 Accuracy Assessment 对话框 :Report / Options 通过点击确定分类评 价报告的参数。 Report / Accuracy Report( 产生分类精度报告 ) Report / Cell Report( 报告有关产生随机点的设置及窗 口环境 ) 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 File / Save Table( 保存分类精度评价数据表 ) File / Close( 关闭 Accuracy Assessment 对话框 ) 通过对分类的评价，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，如修改分类模板等，或应用其它功能进行调 整。

分类后处理 (Post-Classification Process ) ①聚类统计 (Clump) ERDAS 图标面板工具条 : 点击 Interpreter 图标 / GIS Analysis / Clump ，打开 Clump 对话框：

②去除分析 (Eliminate ) 点击 Interpreter 图标 / GIS Analysis / Eliminate ，打开 Eliminate 对话 框：

③分类重编码 (Recode) 点击 Interpreter 图标 / GIS Analysis / Recode ，打开 Recode 对话框 确定输入文件 (Input File):tm superclass.img 定义输出文件 (Output File):tm_recode.img 设置新的分类编码 (Setup Recode): 点击 Setup Recode 按钮 打开 Thematic Recode 表格

●根据需要改变 New Value 。字段的取值 ( 直接输入 ) ● OK( 关闭 Recode 对话框，执行图像重编码. 输出图 像将按照 ) 可以在视窗中打开重编码后的专题分类图像，查看起分类属性 表 : 视窗菜单条 :Raste / Attributes ，打开 Raster Attribute Editor 属性 表。对比重编码前后图像的属性表，特别是其中 Histogram 字段的 数值，会发现两者之间的联系与区别。