erdas非监督分类
ERDAS操作技巧
ERDAS操作技巧加载波段成影像：interpreter---utilities---layer stackERDAS 操作⼩技巧：1、配准影像图：从Viewer 中打开两幅图（⼀幅参照，⼀幅配准）从菜单栏Raster 中选Geometric correction （⼏何校正）在Set Geometric Model 中选Polynomial ，后点击ok ，打开Polynomial Model Properties 对话框，在Parameters 中Polynomial Order （多项式次⽅）中选1或2[最少GCP 公式：2)2)(1++n n （]，在Projection （投影参数）中Map Units 选Meters 点击Add/Change Projection 在Custom 中选择所需的Projection Type ，Spheroid Name ，Datum Name ，Scale factor at central meridian ，Longitude of central meridian （可以参考参照图中Imagine info 中的信息），Latitude of origin of projection ，False easting （⼀般选500000meters ），False northing （⼀般忽略为零），点击Ok Set Projection from GCP Tool 中选择Collect Reference Point From （选择视窗采点模式）中的 Existing Viewer 选项，Ok 。
RMS 误差(均⽅根)=22)()i r i r y y x x -+-（这⾥：x i 和y i 是输⼊的原坐标；x r 和y r 是逆变换后的坐标定义：RMS 误差是指GCP 的输⼊（原）位置和逆变换的位置之间的距离（或者说是在⽤转换矩阵对⼀个GCP 作转换时，所期望输出的坐标与实际输出的坐标之间的偏差）。
《Erdas遥感图像处理》实验指导书
《E r d a s遥感图像处理》实验指导书-CAL-FENGHAI.-(YICAI)-Company One1《遥感图像处理》实验指导书实验一、ERDAS视窗的基本操作实验目的：初步了解目前主流的遥感图象处理软件ERDAS的主要功能模块，在此基础上，掌握视窗操作模块的功能和操作技能，为遥感图像的几何校正等后续实习奠定基础。
实验内容：视窗功能介绍；文件菜单操作；实用菜单操作；显示菜单操作；矢量和删格菜单操作等。
视窗操作是ERDAS软件操作的基础, ERDAS所有模块都涉及到视窗操作。
本实验要求掌握视窗的基本功能，熟练掌握图像显示操作和矢量菜单操作，从而为深入理解和学习ERDAS软件打好基础。
1、视窗功能简介二维视窗（图1-1）是显示删格图像、矢量图形、注记文件、AOI等数据层的主要窗口。
通过实际操作，掌握视窗菜单的主要功能、视窗工具功能。
图1-1 二维视窗重点掌握ERDAS图表面板菜单条；ERDAS图表面板工具条；掌握视窗菜单功能和视窗工具功能等基本操作。
2、图像显示操作（Display an Image）第一步：启动程序（Start Program）视窗菜单条：File→open→ RasterLayer→Select Layer To Ad d对话框。
第二步：确定文件（Determine File）在Select Layer To Add对话框中有File和Raster Option两个选择项，其中File就是用于确定图像文件的，具体内容和操作实例如表。
参数项含义实例Look in确定文件目录examplesFile name确定文件名xs_truecolorFile of type确定文件类型IMAGINE Image（*.img）Recent选择近期操作过的文------件Go to改变文件路径-------图1-2 参数设置第四步：打开图像（Open Raster Layer）3、实用菜单操作了解光标查询功能；量测功能；数据叠加功能；文件信息操作；三维图像操作等。
监督分类与专题制图(Erdas)
遥感实验报告实验目的：掌握遥感图像计算机分类的基本原理以及监督分类方法，掌握分类后处理方法、分类精度评价及专题地图制作。
实验内容：1、遥感图像计算机监督分类2、分类后处理3、分类精度评价4、专题图制作实验方法和步骤：实验方法：在监督分类的过程中，首先借助或者识别其他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该特性的像元。
对分类结果进行评价后在对模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上进行最终分类。
实验步骤：1.定义分类模板2.精度评价3.进行监督分类4.评价分类结果5.分类后处理6.专题制图实验的过程和结果：(一)监督分类1.定义分类模板第一步：打开分类的图像，南宁市1990年9月16日TM，目视判断该遥感图像中南宁市土地利用类型，确定土地利用分类体系为：耕地、灌草地、林地、水域、建设用地、裸地。
如图1-1：图1-1第二步：打开模板编辑器并调整显示字段点击主菜单上的classifier打开classification对话框,选择signature editor。
如图1-2：图1-2第三步：获取分类模板信息，点击AOI，利用AOI-tools中的多边形工具绘制某一地类的样区。
将画好的耕地AOI添加到模板。
signature editor-edit-add.如图1-3,1-4：图1-3图1-4重复步骤第三步，在图中采集多个耕地样本。
选择所有耕地样本模板，按merge 按纽合并这组分类模板。
合并后将模板取名为耕地。
利用同样的方法，依次做好其灌草地、林地、水域、建设用地、裸地土地覆盖类型模板。
如图1-5：图1-5第四步：保存分类模板。
2 .评价分类模板第一步：点signature editor-Evaluate-contingency，利用可能性矩阵方法评价分类模板精度。
达到90以上即为精度满足要求，否则重新选择训练样区，再次进行精度评价，直到精度满足。
erdas实验报告——非监督分类
实习七非监督分类一、实习目的通过实习，掌握在软件中实现非监督分类、分类精度评价及分类后处理的操作流程、步骤。
二、实习内容1.非监督分类2.分类后处理3.分类精度的评价三、实习步骤1、获取初始分类结果1）启动非监督分类步骤：raster → unsupervised（）→ unsupervised classification非监督分类对话框：2）进行非监督分类初步分类结果：2、分类方案调整（p106-107）1）显示原图像与分类图像批阅意见：装订线步骤：→ editor →进行编辑2）定义类别颜色3）设置不透明度4）确定类别意义及精度5）标注类别名称和颜色3、分类后处（）1）聚类分析步骤：raster → thematic → clump 聚类结果：2）去除分析步骤：raster → thematic → eliminate 去除对比：3）重编码步骤：raster → thematic → recode重编码结果：4、评价分类精度1）分类叠加2）精度评估步骤：分别加载重编码后图像和专题图Inlandc.img图像 raster → supervised → accuracy assessment①加载cbm图像②关联专题图③点击edit ：create/add random points点击OK点击edit → show class values；点击view → show all；专题图会随机出现（point#）查看class与reference是否一致并填入reference一栏；最后点击Report 生成报告：．．．．．．．．．．．．．．．．。
国外四大遥感软件影像分类过程及效果比较
４ ＰＣＩ
PCI GEOMATICA 是 PCI 公司将其旗下的 4 个主要 产品系列。PCI GEOMATICA，该系列产品在每一级深 度层次上，尽可能多的满足该层次用户对遥感影像处 理、摄影测量、GIS 空间分析、专业制图功能的需要， 而且使用户可以方便地在同一界面下完成他们的工作。
PCI 的主要特点： 1）PCI 的几何处理能力比 ERDAS 强。PCI Geomatica Prime （PCI 地理咨讯专业版） PCI Geomatica Prime 包 含 PCI Geomatica Fundamentals 的所有功能。此外，增 加了 PCI Modeler、EASI、FLY、算法库等模块。Geomatica Prime 是强大的、低成本解决方案，提供的工具用于影 像几何校正、数据可视化以及专业标准地图生产。 2）PCI 对于雷达影像的处理效果很好。专业雷达 处理，雷达由于具有全天时、全天侯获取数据的能力， 加上在海洋、冰雪、植被、地质、军事很多应用领域 的独特优势，引起了各国的普遍重视。 PCI 公司紧紧 抓住了这一发展趋势，在雷达数据处理领域始终保持
1）强大的多光谱影像处理功能。ENVI 能够充分 提取图像信息，具备全套完整的遥感影像处理工具，能 够进行文件处理、图像增强、掩膜、预处理、图像计 算和统计，完整的分类及后处理工具，及图像变换和 滤波工具、图像镶嵌、融合等功能。ENVI 遥感影像处 理软件具有丰富完备的投影软件包，可支持各种投影 类型。同时，ENVI 还创造性地将一些高光谱数据处理 方法用于多光谱影像处理，可更有效地进行知识分类、 土地利用动态监测。
ERDAS界面认识基本功能、图像增强、监督分类非监督分类操作教程
实验一界面认识ERDAS Imagine软件简介.实习目的：了解ERDAS Imagine 软件模块构成、功能.内容：·ERDAS IMAGINE软件概述（Introduction）·ERDAS IMAGINE目标面板（Function System）·ERDAS IMAGINE功能体系（Function System）1． ERDAS IMAAGINE软件概述（Introduction ）ERDAS IMAGINE是美国ERDAS公司开发的专业遥感图像处理与地理信息系统软件。
ERDAS IMAGINE是以模块化的方式提供给用户的，可使用户根据自己的应用要求、资金情况合理地选择不同功能模块及其不同组合，对系统进行剪裁，充分利用软硬件资源，并最大限度地满足用户的专业应用要求。
ERDAS IMAGINE面向不同需求的用户，对于系统的扩展功能采用开放的体系结构，以IMAGINE Essentials、IMAGINE Advantage，IMAGINE Professional的形式为用户提供了低、中、高三档产品架构，并有丰富的功能扩展模块供用户选择，使产品模块的组合具有极大的灵活性。
1．1 IMAGINE Essentials级是一个花费极少的，包括有制图和可视化核心功能的图像工具软件。
借助IMAGINE Essentials可以完成二维／三维显示、数据输入、排序与管理、地图配准、专题制图以及简单的分析。
可以集成使用多种数据类型，并在保持相同的易于使用和易于剪裁的界面下升级到其它的ERDAS产品。
1．2 IMAGINE Advantage级是建立在IMAGINE Essential级基础之上的，增加了更丰富的栅格图像GIS分析和单张航片下正射校工等强大功能的软件。
IMAGINE Advantage为用户提供了灵活可靠的用于栅格分析、正射校正、地形编辑及图像拼接工具。
简而言之，IMAGINE Advantage是一个完整的图像地理信息系统（Imaging G1S）。
ERDAS监督分类(完美)
监督分类（Supervised Classification）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于其他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）、评价模板、确定初步分类结果、检验分类结果、分类后处理、分类特征统计、栅格矢量转换。
1．建立模板（训练样本、定义分类模板Define Signatures）ERDAS IMAGINE 的监督分类是基于分类模板（Classification Signature）来进行的，而分类模板的生成、管理、评价和编辑等功能是由分类模板编辑器（SignatureEditor ）来负责的。
在分类模板编辑器中生成分类模板的基础是原图像和（或）其特征空间图像。
第一步：显示需要分类的图像在视窗Viewer 中显示图像aaa.img第二步：打开分类模板编辑器（两种方式）①ERDAS 图标面板菜单条：Main Image Classification Classification 菜单Signature Editor 菜单项Signature Editor 对话框②ERDAS 图标面板工具条：点击Classifier 图标Classification 菜单Signature Editor 菜单项Signature Editor 对话框从上图中可以看到分类模板编辑器由菜单条、工具条和分类模板属性表（CellArray ）三大部分组成。
第三步：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，分类名称（将带入分类图像）分类颜色（将带入分类图像）分类代码（只能用正整数）分类过程中的判断顺序分类样区中的像元个数分类可能性权重（用于分类判断）不同字段对于建立分类模板的作用或意义是不同的，为了突出作用比较大的字段，需要进行必要的调整。
非监督分类的主要流程
非监督分类的主要流程1.数据预处理：数据预处理是非监督分类的第一步，其目的是将原始数据转换为适合进行非监督分类的形式。
数据预处理的过程中，可能需要对数据进行清洗、降维、归一化等操作。
清洗数据是指处理数据中存在的错误、缺失或异常值。
一般来说，可以通过检测和修补错误值、填补缺失值、剔除异常值等方法进行数据清洗。
归一化是指将数据的值映射到固定的区间内，使得不同特征之间的量纲一致。
归一化的方法包括线性缩放、标准化等。
2.特征提取：特征提取是非监督分类的第二步，其目的是从预处理后的数据中提取出能够描述数据特征的有意义的特征。
特征提取的方法包括特征选择和特征降维两种。
特征选择是指从原始数据中选择出最重要、最具有代表性的特征。
常用的特征选择方法包括信息增益、卡方检验、互信息等。
3.聚类：聚类是非监督分类的最后一步，其目的是将数据分成若干个不同的簇（Cluster），使得同一个簇内的数据之间的相似度高，而不同簇之间的相似度低。
聚类的方法可以分为层次聚类和划分聚类两种。
层次聚类是将数据点逐步合并形成聚类结构的过程。
常用的层次聚类算法有凝聚层次聚类（Agglomerative Hierarchical Clustering）和分裂层次聚类（Division Hierarchical Clustering）。
划分聚类是将数据划分成不同的簇的过程。
常用的划分聚类算法有K 均值聚类（K-means Clustering）和密度聚类（Density-based Clustering）。
在聚类过程中，还可以通过设置合适的聚类数量、选择合适的距离度量方法和聚类评价指标等手段对聚类结果进行优化和评估。
总结：非监督分类的主要流程包括数据预处理、特征提取和聚类三个步骤。
数据预处理的目的是将原始数据转换为适合进行非监督分类的形式；特征提取的目的是从预处理后的数据中提取出能够描述数据特征的有意义的特征；聚类的目的是将数据分成若干个不同的簇。