《ERDAS 分类过程.doc》由会员分享，可在线阅读，更多相关《ERDAS 分类过程.doc（6页珍藏版）》请在三一文库上搜索。
1、ERDAS 分类过程一、 分类过程1. 点击viewer模块打开img格式数据文件。2. 制定分类标准1）长江 2）湖泊 3）植被4）农田5）居民区 3. 选择样区 在Aoi 的tool中选择 polygon按钮，在图中画出相应的类别样本。4. 在选中aoi的状态下点击在signature editor 中点击将样区导入。同理选择其他类型的样区，其中长江，湖泊，植被的选择同上，选择山体时，由于evaluatecontingency matrix （）计算后结果不符合要求，山体很多被分到了植被层故重新设置了region growing propertiesarea 10000spectral e
2、uclidean distance 25，再次计算后符合要求。农田，居民区已经城市主干道的选择都使用的create polyline aoi 通过不断的分析和调整后最终计算得到以下数值。4.计算混淆矩阵evaluatecontingency matrix 计算得到如下的数据ERROR MATRIX-Reference Data-Classified Datachangjiang hupo zhibei shanti-changjiang 6774 40 0 0 hupo 0 19325 0 0 zhibei 22 91 17734 49 shanti 0 0 362 1761 nongtian
3、 71 544 1499 0 jvmingqu 111 0 2 0 daolu 0 0 403 0Column Total 6978 20000 20000 1810Reference Data-Classified Data nongtian jvmingqu daolu Row Total-changjiang 0 0 0 6814 hupo 4 0 0 19329 zhibei 8 1 4 17909 shanti 0 0 0 2123 nongtian 99 18 0 2231 jvmingqu 2 371 0 486 daolu 0 0 168 571Column Total 113
4、 390 172 49463- End of Error Matrix -ERROR MATRIX-Reference Data-Classified Datachangjiang hupo zhibei shanti-changjiang 97.08 0.20 0.00 0.00 hupo 0.00 96.63 0.00 0.00 zhibei 0.32 0.46 88.67 2.71 shanti 0.00 0.00 1.81 97.29 nongtian 1.02 2.72 7.50 0.00 jvmingqu 1.59 0.00 0.01 0.00 daolu 0.00 0.00 2.
5、02 0.00Column Total 6978 20000 20000 1810Reference Data-Classified Data nongtian jvmingqu daolu Row Total-changjiang 0.00 0.00 0.00 6814 hupo 3.54 0.00 0.00 19329 zhibei 7.08 0.26 2.33 17909 shanti 0.00 0.00 0.00 2123 nongtian 87.61 4.62 0.00 2231 jvmingqu 1.77 95.13 0.00 486 daolu 0.00 0.00 97.67 5
6、71Column Total 113 390 172 494635、影像分类在signature中点 Classify-supervised将分类结果文件储存。6.去噪点 （分类后处理）点击，选择，然后在弹出的窗口中选择这时弹出在input file中选择分类结果文件，然后选择output file的地址选择（可以选择不同的尺度）的大小，ok进行去噪点的处理。然后打开output地址中的图像就可以看到去噪点后的图像。对比去噪点前的效果。9.进行叠加分析 打开原始的图像，将clear display的勾去掉。图像便叠加在一起，然后通过中的blend和swipe对叠加的图像进行校对。10.计算指标 点击rasterattributes得到11. 结果分析 1）表中黑色部分估计是没有分出来的区域，通过对比可知是水体，应该分在湖泊中 2）由于是10米的分辨率故有 长江 192658600 湖泊 371343888 植被 1243834200 山体 3763600 农田 15400 居民区 21876600 道路 191507800