实验六：遥感图像监督分类与非监督分类

成都信息工程学院

遥感图像处理实验报告

实验6：遥感图像监督分类与非监督分类

专业：遥感科学与技术

班级： 092班

姓名：李翔

学号：2009043063

实验名称：遥感图像监督分类与非监督分类

实验教室： 5404教室

指导老师：刘志红

实验日期：2011年4月6日和4月13日

一、项目名称

遥感图像监督分类与非监督分类

二、实验目的

学会使用ERDAS IMAGINE软件对遥感图像进行非监督分类、监督分类、分类后处理、决策树分类，加深对图像分类过程和原理的理解，为图像解译打下基础。

三、实验原理

同类地物在相同的条件下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。根据这些差异，将图像中的所有像素按其性质分为若干类别的过程，称为图像的分类。

根据是否需要分类人员事先提供已知类别及其训练样本，对分类器进行训练和监督，可将遥感图像分类方法划分为监督分类和非监督分类。

分类后处理包括聚类统计、过滤分析、去除分析和分类重编码等操作。

聚类统计是通过计算分类专题图像每个分类图斑面积、记录相邻区域中最大图斑面积的分类操作。

四、数据来源

1．下载网站：https://www.wendangku.net/doc/27925663.html,/admin/dataLandsatMain.jsp

2．波段数为6个。

3．分辨率为28.50,米。

4．投影为UTM, Zone48。

五、实验过程

一、非监督分类

1.在ERDAS IMAGINE依次点击如下图标，打开对话框，

2. 设定好输出数据，设置聚类选项，确定初始聚类方法和分类数。设置预处理选项，确定循环次数和阈值。如图所示：

3.点击OK，输出图像。

4.分类评价，打开原始图像和分类后的图像，设置好分类后各类别的颜色，通过Utility 菜单下设置分类结果在原始图像背景中卷帘（Swipe）显示,判别类别分类精度。如图所示：

Raster Attribute Editor对话框

分类图像对比

二、监督分类

1.在View中打开需要分类的遥感图像。

2.打开分类模板编辑器

打开AOI工具，选择多边形按钮，在图像窗口中选择与类别对应的区域，绘制多边形AOI。

3.建立分类模板，在编辑器中，单击按

钮，将多边形AOI区域加载到分类模板属性表中。在同样的颜色区域多绘制一些AOI,分别加载到分类模板属性表中。在分类模板中，可以依次单击AOI,并单击

将所选的模板合成一个新的模板，定义分类类别名称并设置好颜色。

4.重复以上的步骤，将所有的类型建立分类模板。分类有水体、植被、居民区、道路。

5.保存分类模板为jiandufenlei.sig.

6.打开，

设置Input Raster File为dongpoqu.img，分类模板为jiandufenlei.sig，Classfied File为jiandufenlei.sig，点击OK，输出结果，如图所示：

三、分类后处理

1.聚类统计

（1）点击Interpreter图标，选择GIS Analysis | Clump命令，打开Clump对话框，并设置如图参数。

（2）点击OK，输出图像如下图所示：

2.过滤分析

（1）点击Interpreter图标，选择GIS Analysis | Sieve命令，打开Sieve对话框，并设置如图参数。

（2）点击OK，输出图像如下图所示：

3.分类重编码

（1）点击Interpreter图标，选择GIS Analysis | Recode命令，打开Recode对话框，并设置如图参数。

（2）点击OK，输出图像如下图所示：

六、实验结果与分析

处理图像结果如上述各图所示，通过对图像进行非监督分类和监督分类，分类结果中监督分类精度明显要高一些，可靠性也要强一些。而通过分类后结果会出现一些小图斑，无论从专题制图角度还是实际应用的角度，都有必要对这些小图斑进行剔除，所以最后要进行分类后处理。

七、心得、意见或建议

通过本次上机实验，掌握了监督分类和非监督分类的基本处理方法，从实践中证明了监督分类确实要比非监督分类结果精度高一些，同样对分类后处理原理以及过程也有了进一步的掌握和了解。