利用erdas的遥感图像非监督分类的操作步骤

在遥感图像处理中，非监督分类是一种常用的技术，它不需要预先定义的类别，而是让计算机根据图像数据的相似性自动聚类。本教程将详细解释如何使用ERDAS软件进行非监督分类的操作步骤，这对于遥感图像分析的初学者来说非常有帮助。 1. **初始分类** 在ERDAS中，非监督分类通常从Main菜单下的`Classification` > `Unsupervised` > `classification`开始。在此阶段，你需要设置初始分类的数量，通常建议设置为最终分类数的2倍以上。例如，如果你预计最终会有10个类别，那么可以设置20个以上的初始类别。同时，加载遥感图像，如`germtm.img`，并调整显示方式为RGB（4,5,3）以获得更好的视觉效果。 2. **专题判别** - **编辑类别颜色和名称**：通过`Edit` > `Column Properties`，你可以修改类别颜色和名称，以便在后续分析中更好地识别各个类别。 - **对比显示**：利用`Utility` > `flicker/ Blend/ Swipe`工具，可以对比不同分类结果，找出最佳分类方案。 3. **分类后处理** - **聚类统计**：使用`GIS Analysis` > `Clump`对分类结果进行统计，这有助于聚类邻近的像素。如果计算时间较长，可以选择邻域大小为4，以减少计算负担。 - **过滤分析**：通过`Sieve`功能去除小面积的图斑，例如设定最小图斑大小，将小于该大小的图斑归为0。 - **去除分析**：利用`Eliminate`功能去除特定大小以下的图斑，同样需要设定最小图斑大小，这有助于提高分类的准确性。 - **分类重编码**：使用`Recode`功能对分类结果进行重新编码，将相近或不合理的类别合并，确保每个类别都有其实际意义。 4. **色彩重定义** 色彩重定义是改变图像颜色表示的过程，以便更直观地展示不同类别。通过调整色彩方案，可以增强图像的视觉效果，使其更容易理解。 5. **栅格矢量转换** 通过`Vector` > `Raster to Vector…`将分类后的栅格数据转换为矢量数据，便于进一步的空间分析和制图。这一步骤对于地理信息系统（GIS）的应用至关重要。 6. **监督分类** 虽然题目主要关注非监督分类，但提到了监督分类。监督分类需要定义分类模板，通过训练样本（至少10n个像元，最好100n个，n为波段数）来生成参数化模板。样本应具有代表性且分布均匀，以确保分类的准确性和可靠性。 总结，ERDAS的非监督分类流程涉及多个步骤，包括设置初始分类、编辑类别属性、聚类统计、过滤和去除分析、重编码以及栅格矢量转换。这些步骤的执行需要结合遥感图像的特点和实际需求，确保分类结果既科学又实用。对于初学者，理解和掌握这些操作步骤是进行遥感图像分析的基础。