ERDAS 8.4圖象處理技術(shù)與方法.doc

ERDAS 8.4遙感圖像處理方法一、ERDAS8.4系統(tǒng)簡介1.1 ERDAS8.4軟件概述 ERDAS是以模塊化的方式提供給用戶的，可使用戶根據(jù)自己的應(yīng)用要求、資金情況合理地選擇不同功能模塊及其不同組合。 Essential級完成二維三維顯示、數(shù)據(jù)輸入、排序與管理、地圖配準(zhǔn)、專題制圖以及簡單的分析?？蓴U充的模塊： （1）Vector模塊 （2）Virtual GIS模塊 （3）Developers Toolkit模塊 Advantage級是建立在Essential級基礎(chǔ)之上的，增加了更豐富的柵格圖像分析和單張航片正射校正等強大功能的遙感GIS軟件?？蓴U充的模塊： （1）Radar模塊 （2）OrthoBase模塊 （3）ATCOR大氣校正模塊 Professional級除了Essentials和Advantage中包含的功能以外，Professional還提供空間建模工具，高級分類器，知識工程師和專家分類器，分類優(yōu)化和精度評定，以及雷達圖像分析工具。可擴充的模塊： （1）Subpixel Classifier模塊 （2）Expert Classifier模塊1.2 ERDAS8.4圖標(biāo)面板 1.2 ERDAS8.4圖標(biāo)面板 1.3 ERDAS8.4功能體系 柵格圖像數(shù)據(jù)矢量圖形數(shù)據(jù)文本屬性數(shù)據(jù)數(shù)據(jù)輸入輸出數(shù)據(jù)預(yù)處理幾何校正、拼接鑲嵌雷達圖像處理傾斜調(diào)整、斑點壓縮圖像解譯增強處理、傅立葉變換高光譜工具、GIS分析圖像分類非監(jiān)督分類、監(jiān)督分類知識工程師、專家分類矢量功能矢柵轉(zhuǎn)換、矢量編輯虛擬GIS三維飛行、虛擬世界專題制圖輸出圖像庫管理視窗操作空間建模命令工具批 處 理ERDAS IMAGINE遙感圖像處理系統(tǒng)輸入柵格圖像數(shù)據(jù)矢量圖形數(shù)據(jù)文本屬性數(shù)據(jù)輸出二、ERDAS8.4視窗操作2.1 ERDAS8.4視窗組成2.2 ERDAS8.4顯示操作圖像顯示（如果柵格圖象是多波段合成圖象,則分別給紅綠藍(lán)賦不同的波段.如:TM標(biāo)準(zhǔn)假彩色紅綠藍(lán)分別為TM543）2.2 ERDAS8.4顯示操作圖形顯示（ERDAS直接支持對coverage格式文件的顯示和處理.）2.2 ERDAS8.4顯示操作矢柵疊加（疊加顯示必須要具有相同的坐標(biāo)系統(tǒng)和投影系統(tǒng).）2.2 ERDAS8.4顯示操作卷簾顯示（BlendSwipeFlicker自動或手動卷簾顯示,在影像分類后檢測中經(jīng)常使用,操作前提必須有兩個以上的圖層及圖象）2.2 ERDAS8.4顯示操作查詢（ERDAS提供了光標(biāo)查詢的功能,可以利用光標(biāo)查詢指定點的平面直角坐標(biāo)和經(jīng)緯度坐標(biāo)）2.2 ERDAS8.4顯示操作量測（1.指定點的坐標(biāo)；2.線段的長度；3.多邊形的周長和面積）2.2 ERDAS8.4顯示操作圖像信息（LayerInfo提供對影像基本信息的顯示,主要有灰度值投影信息灰度直方圖柵格矩陣影像空間分辨率等）2.2 ERDAS8.4顯示操作圖像色彩2.2 ERDAS8.4顯示操作分類色彩2.2 ERDAS8.4顯示操作分類統(tǒng)計2.3 ERDAS8.4三維操作三維顯示2.3 ERDAS8.4三維操作三維參數(shù)2.3 ERDAS8.4三維操作方位角2.3 ERDAS8.4三維操作地形TIN顯示2.4 ERDAS8.4圖像剖面光譜剖面2.4 ERDAS8.4圖像剖面空間剖面2.4 ERDAS8.4圖像剖面地形剖面2.5 ERDAS8.4矢量操作顯示參數(shù)2.5 ERDAS8.4矢量操作顯示2.5 ERDAS8.4矢量操作矢量屬性三、ERDAS8.4數(shù)據(jù)處理3.1 數(shù)據(jù)輸入輸出常用格式數(shù)據(jù)輸入格式（70）數(shù)據(jù)輸出格式（30）ArcInfo Coverage E00ArcInfo Coverage E00ArcInfo GRID E00ArcInfo GRID E00ERDAS GISERDAS GISERDAS LANERDAS LANShape FileShape FileDXFDXFDGNDGNIGDSIGDSGeneric BinaryGeneric BinaryGeo TIFFGeo TIFFTIFFTIFFJPEGJPEG3.1 數(shù)據(jù)輸入輸出數(shù)據(jù)輸入3.1 數(shù)據(jù)輸入輸出單波段輸入3.1 數(shù)據(jù)輸入輸出多波段組合3.1 數(shù)據(jù)輸入輸出數(shù)據(jù)輸出3.2 圖像校正變換幾何校正結(jié)束顯示圖像文件Display Image Files啟動幾何校正模塊Start Geometric Correction Tool采集地面控制點Record Ground Control Points計算轉(zhuǎn)換模型Compute Transformation Matrix圖像重采樣Resample the Image檢驗校正結(jié)果Verify Rectification Result開始3.2 圖像校正變換幾何校正ERDAS的圖像幾何糾正有多種方法,在實際應(yīng)用中經(jīng)常用到的就是通過鍵盤方式手工輸入各控制點的坐標(biāo)和利用已經(jīng)糾正好的影像進行相對糾正.ERDAS幾何糾正方程一般都選擇多項式方程(Polynomial),多項式次數(shù)一般取3到4次,控制點的最少數(shù)量與多項式次數(shù)滿足關(guān)系式: n=(t+1)(t+2)/2 t 代表多項式次數(shù)糾正好后可采用VIEW窗口ViewLink/Unlink ViewersGeographical進行檢測,還可以采用隨機點進行檢測,如果檢測精度RMS0.5說明糾正誤差較大,需要重新糾正重采樣. 幾何糾正GCP分布圖GCP點3.2 圖像校正變換幾何校正c3.2 圖像校正變換拼接處理（數(shù)字融合鑲嵌技術(shù)Mosaic可以把多個具有相同地理信息的圖象無縫的合成為一張圖象）3.2 圖像校正變換投影變換ERDAS提供幾種方法用于進行投影變換:A. DataPrep Reproject images B. Image Geometric correction Reproject3.2 圖像校正變換分幅裁剪本節(jié)將給大家介紹幾種常用的裁剪方法，分別是AOI規(guī)則裁剪AOI不規(guī)則裁剪Inquire Box矩形裁剪矢量多邊形的規(guī)則以及不規(guī)則裁剪，對于矢量方式裁剪比較復(fù)雜，但卻非常重要，例如用行政圖上得到的政區(qū)邊界來裁剪遙感圖像其裁剪方式主要由其形狀決定ERDASAOI 裁剪操作方法是：首先在欲進行裁剪的圖象上畫出AOI，然后選擇ataPrepSubset image或者InterpreterUtilitiesSubset進行裁剪ERDAS 多邊形裁剪方法是：首先將矢量多邊形轉(zhuǎn)為柵格格式的（Vector To Raster)，然后選擇InterpreterUtilitiesMask進行掩模運算3.2 圖像校正變換分幅裁剪(AOI規(guī)則裁剪)3.2 圖像校正變換分幅裁剪（AOI不規(guī)則裁剪）3.2 圖像校正變換分幅裁剪（矢量）3.3 圖像增強處理（基本理論）1. 對比度變換是一種通過改變圖像像元的亮度值來改變圖像像元對比度，從而改善圖像質(zhì)量的圖像處理方法。因為亮度值是輻射強度的反映，所以也稱之為輻射增強。常用的方法有對比度線性變換和非線性變換。 每一幅圖像都可以求出其像元亮度值的直方圖，觀察直方圖的形態(tài)，可以粗略地分析圖像的質(zhì)量。一般來說，一幅包含大量像元的圖像，其像元亮度值應(yīng)符合統(tǒng)計分布規(guī)律，即假定像元亮度隨機分布時，直方圖應(yīng)是正態(tài)分布的。實際工作中，若圖像的直方圖接近正態(tài)分布，則說明圖像中像元的亮度接近隨機分布，是一幅適合用統(tǒng)計方法分析的圖像。當(dāng)觀察直方圖形態(tài)時，發(fā)現(xiàn)直方圖的峰值偏向亮度坐標(biāo)軸左側(cè)，則說明圖像偏暗。峰值偏向坐標(biāo)軸右側(cè)，則說明圖像偏亮，峰值提升過陡、過窄，說明圖像的高密度值過于集中，以上情況均是圖像對比度較小，圖像質(zhì)量較差的反映。 1.1線性變換 為了改善圖像的對比度，必須改變圖像像元的亮度值，并且這種改變需符合一定的數(shù)學(xué)規(guī)律，即在運算過程中有一個變換函數(shù)。如果變換函數(shù)是線性的或分段線性的，這種變換就是線性變換。線性變換是圖像增強處理最常用的方法。 1.2非線性變換當(dāng)變換函數(shù)是非線性時，即為非線性變換。非線性變換的函數(shù)很多，常用的有指數(shù)變換和對數(shù)變換。 2 空間濾波對比度擴展的輻射增強是通過單個像元的運算從整體上改善圖像的質(zhì)量。而空間濾波則是以重點突出圖像上的某些特征為目的的，如突出邊線或紋理等，因此通過像元與其周圍相鄰像元的關(guān)系，采用空間域中的鄰域處理方法。它仍屬于一種幾何增強處理，主要包括平滑和銳化。濾波函數(shù)有低通濾波、高通濾波和帶通濾波等。低通濾波用于僅讓低頻的空間頻率成分通過而消除高頻成分的場合，由于圖像的噪聲成分多數(shù)包含在高頻成分中，所以可用于噪聲的消除。高通濾波僅讓高頻成分通過，可應(yīng)用于目標(biāo)物輪廓的增強。帶通濾波由于僅保留一定的頻率成分，所以可用于提取、消除每隔一定間隔出現(xiàn)的干擾條紋的噪聲。 2 圖像卷積運算 是在空間域上對圖像作局部檢測的運算，以實現(xiàn)平滑和銳化的目的。具體作法是選定一卷積函數(shù)，又稱“模板”，實際上是一個MN圖像。二維的卷積運算是在圖像中使用模板來實現(xiàn)運算的。 2.1平滑圖像中出現(xiàn)某些亮度變化過大的區(qū)域，或出現(xiàn)不該有的亮點（“噪聲”）時，采用平滑的方法可以減小變化，使亮度平緩或去掉不必要的“噪聲”點。具體方法有： 均值平滑 中值濾波2.2銳化為了突出圖像的邊緣、線狀目標(biāo)或某些亮度變化率大的部分，可采用銳化方法。有時可通過銳化，直接提取出需要的信息。銳化后的圖像已不再具有原遙感圖像的特征而成為邊緣圖像。銳化的方法很多，在此只介紹常用的幾種： 羅伯特梯度 索伯爾梯度 拉普拉斯算法 定向檢測 梯度的概念：反映了相鄰像元的亮度變化率，也就是說，圖像中如果存在邊緣，如湖泊、河流的邊界，山脈和道路等，則邊緣處有較大的梯度值。對于亮度值較平滑的部分，亮度梯度值較小。因此，找到梯度較大的位置，也就找到邊緣，然后再用不同的梯度計算值代替邊緣處像元的值，也就突出了邊緣，實現(xiàn)了圖像的銳化。 3 彩色變換亮度值的變化可以改善圖像的質(zhì)量，但就人眼對圖像的觀察能力而言，一般正常人眼只能分辨20級左右的亮度級，而對彩色的分辨能力則可達100多種，遠(yuǎn)遠(yuǎn)大于對黑白亮度值的分辨能力。不同的彩色變換可大大增強圖像的可讀性，在此介紹常用的三種彩色變換方法。 單波段彩色變換 多波段色彩變換 HSI變換 3.1單波段彩色變換l 單波段黑白遙感圖像可按亮度分層，對每層賦予不同的色彩，使之成為一幅彩色圖像。這種方法又叫密度分割，即按圖像的密度進行分層，每一層所包含的亮度值范圍可以不同。例如，亮度010為第一層，賦值1，1115為第二層，賦值2，1630為第三層，賦值3，等等，再給1，2，3等分別賦不同的顏色，于是生成一幅彩色圖像。目前計算機顯示彩色的能力很強，理論上完全可以將256層的黑白亮度賦予256種彩色，因此彩色變換很有前景。 l 對于遙感影像而言，將黑白單波段影像賦上彩色總是有一定目的的，如果分層方案與地物光譜差異對應(yīng)得好，可以區(qū)分出地物的類別。例如在紅外波段，水體的吸收很強，在圖像上表現(xiàn)為接近黑色，這時若取低亮度值為分割點并以某種顏色表現(xiàn)則可以分離出水體；同理砂地反射率高，取較高亮度為分割點，可以從亮區(qū)以彩色分離出砂地。因此，只要掌握地物光譜的特點，就可以獲得較好的地物類別圖像。當(dāng)?shù)匚锕庾V的規(guī)律性在某一影像上表現(xiàn)不太明顯時，也可以簡單地對每一層亮度值賦色，以得到彩色影像，也會較一般黑白影像的目視效果好。 3.2多波段彩色變換l 根據(jù)加色法彩色合成原理，選擇遙感影像的某三個波段，分別賦予紅、綠、藍(lán)三種原色，就可以合成彩色影像。由于原色的選擇與原來遙感波段所代表的真實顏色不同，因此生成的合成色不是地物真實的顏色，因此這種合成叫做假彩色合成。l 多波段影像合成時，方案的選擇十分重要，它決定了彩色影像能否顯示較豐富的地物信息或突出某一方面的信息。以陸地衛(wèi)星Landsat的TM影像為例，TM的7個波段中，第2波段是綠色波段（052060m），第4段波段是近紅外波段（076090mp，當(dāng)4，3，2波段被分別賦予紅、綠、藍(lán)色時，即綠波段賦藍(lán)，紅波段賦綠，紅外波段賦紅時，這一合成方案被稱為標(biāo)準(zhǔn)假彩色合成，是一種最常用的合成方案。 l 實際應(yīng)用時，應(yīng)根據(jù)不同的應(yīng)用目的經(jīng)實驗、分析，尋找最佳合成方案，以達到最好的目視效果。通常，以合成后的信息量最大和波段之間的信息相關(guān)最小作為選取合成的最佳目標(biāo)，例如，TM的4，5，3波段依次被賦予紅、綠、藍(lán)色進行合成，可以突出較豐富的信息，包括水體、城區(qū)、山區(qū)、平原及線性特征等，有時這一合成方案甚至優(yōu)于標(biāo)準(zhǔn)的4，3，2波段的假彩色合成 4 圖像運算兩幅或多幅單波段影像，完成空間配準(zhǔn)后，通過一系列運算，可以實現(xiàn)圖像增強，達到提取某些信息或去掉某些不必要信息的目的。l 差值運算：差值運算應(yīng)用于兩個波段時，相減后的值反映了同一地物光譜反射率之間的差。由于不同地物反射率差值不同，兩波段亮度值相減后，差值大的被突出出來。例如，當(dāng)用紅外波段減紅波段時，植被的反射率差異很大，相減后的差值就大，而土壤和水在這兩個波段反射率差值就很小，因此相減后的圖像可以把植被信息突出出來。如果不作相減，在紅外波段上植被和土壤，在紅色波段上植被和水體均難區(qū)分。因此圖像的差值運算有利于目標(biāo)與背景反差較小的信息提取，如冰雪覆蓋區(qū)，黃土高原區(qū)的界線特征；海岸帶的潮汐線等。 l 比值運算：兩幅同樣行、列數(shù)的圖像，對應(yīng)像元的亮度值相除（除數(shù)不為0） 比值運算可以檢測波段的斜率信息并加以擴展，以突出不同波段間地物光譜的差異，提高對比度。該運算常用于突出遙感影像中的植被特征、提取植被類別或估算植被生物量，這種算法的結(jié)果稱為植被指數(shù)，常用算法： 近紅外波段紅波段 或 （近紅外-紅）/(近紅外+紅） 比值運算對于去除地形影響也非常有效。由于地形起伏及太陽傾斜照射，使得山坡的向陽處與陰影處在遙感影像上的亮度有很大區(qū)別，同一地物向陽面和背陰面亮度不同，給判讀解譯造成困難，特別是在計算機分類時不能識別。由于陰影的形成主要是地形因子的影響，比值運算可以去掉這一因子影響，使向陽與背陰處都毫無例外地只與地物反射率的比值有關(guān)。 比值處理還有其他多方面的應(yīng)用，例如對研究淺海區(qū)的水下地形有效，對土壤富水性差異、微地貌變化、地球化學(xué)反應(yīng)引起的微小光譜變化等，對與隱伏構(gòu)造信息有關(guān)的線性特征等都能有不同程度的增強效果。 5 圖像相關(guān)圖像相關(guān)（image correlation）是指在兩張不同的圖像中存在同一個目標(biāo)物時，識別2圖像中相互對應(yīng)的物體位置所采用的技術(shù)。它除了主要用于尋找立體圖像的對應(yīng)點以外，還用于對不同時期拍攝的圖像控制點的自動識別等。如在一幅圖像A上設(shè)定nn的窗口，在另一幅圖像B中尋找對應(yīng)其中心點的點。在搜索中，在B圖像上移動nn的窗口，求出表示窗口內(nèi)圖像間的相似性的互相關(guān)或相關(guān)系數(shù)為最大的點。 6 多光譜變換遙感多光譜影像，特別是陸地衛(wèi)星的TM等傳感器，波段多，信息量大，對圖像解譯很有價值。但數(shù)據(jù)量太大，在圖像處理計算時，也常常耗費大量的機時、占據(jù)大量的磁盤空間。實際上，一些波段的遙感數(shù)據(jù)之間都有不同程度的相關(guān)性，存在著數(shù)據(jù)冗余。多光譜變換方法可通過函數(shù)變換，達到保留主要信息，降低數(shù)據(jù)量；增強或提取有用信息的目的。其變換的本質(zhì)是對遙感圖像實行線性變換，使多光譜空間的坐標(biāo)系按一定規(guī)律進行旋轉(zhuǎn)。 （ERDAS操作）圖像空間增強處理，空間增強（Spatial Enhancement）技術(shù)是利用像元自身及其周圍像元的灰度值進行運算，達到增強整個圖像之目的。ERDAS提供的空間增強處理功能有：卷積增強、非定向邊緣增強、聚焦分析、紋理分析、自適應(yīng)濾波、分辨率融合、銳化處理等。 圖像空間增強處理卷積處理圖像空間增強處理卷積處理卷積運算是空間域上對圖像進行鄰域檢測運算選定一個卷積函數(shù)，稱為“模板”，實際上是一個的小圖像，例如圖像的卷積運算是通過模板來實現(xiàn)的模板是運算卷積核即算子（ernel)ERDAS提供了邊沿探測邊沿增強高通濾波低通濾波等卷積運算有平滑和銳化兩種形式圖像空間增強處理分辨率融合ERDAS空間分辨率融合技術(shù)多采用主成分變換法，實際應(yīng)用中，為了提高影像的分辨能力，如使用ETM+數(shù)據(jù)的米分辨率全色波段與其他幾個波段進行合成，可以提高整體的解譯效果圖像輻射增強處理輻射增強（Radiometric Enhance- ment）技術(shù)是對單個像元的灰度值進行變換達到圖像增強的目的。 ERDAS提供的輻射增強處理功能有：查找表拉伸、直方圖均衡化、直方圖匹配、亮度反轉(zhuǎn)、去霾處理、降噪處理、去條帶處理等 圖像輻射增強處理直方圖均衡化直方圖均衡化是將原始圖像通過變換函數(shù)變?yōu)榫鶆虻闹狈綀D，然后按均勻直方圖修改原始圖像，從而獲得一幅灰度分布均勻的新圖像 圖像輻射增強處理直方圖匹配又叫直方圖規(guī)定化，是指使一幅圖像的直方圖變成規(guī)定形狀的直方圖而對圖象進行變換的增強方法規(guī)定后使兩幅圖像具有相近的直方圖，一般在做圖像融合之前先做直方圖匹配，有助于融合效果的改善圖像輻射增強處理去霾降噪處理圖像光譜增強處理光譜增強（Spectral Enhancement）技術(shù)是基于多波段數(shù)據(jù)對每個像元的灰度值進行變換，達到圖像增強的目的。 ERDAS提供的光譜增強處理功能有：主成份變換、主成份逆變換、去相關(guān)拉伸、纓穗變換、色彩變換、色彩逆變換、指數(shù)計算、自然色彩變換等。 圖像光譜增強處理主成份變換 圖像光譜增強處理色彩變換 (intensity)亮度H(hue)色度S(saturation)飽和度表示的彩色與人眼看到的更為接近，所以有利于影像的解譯和可以相互轉(zhuǎn)化，把到的變換叫正變換，反之，叫逆變換圖像光譜增強處理纓帽變換 纓帽變換又叫做變換，是一種線性變換，使坐標(biāo)值發(fā)生旋轉(zhuǎn)，旋轉(zhuǎn)之后坐標(biāo)軸的方向與地物特別是和植被生長及土壤有密切的關(guān)系變換為植被研究，特別是分析農(nóng)業(yè)特征提供了一個優(yōu)化顯示的方法，同時又實現(xiàn)了數(shù)據(jù)壓縮，因此具有重要的應(yīng)用前景（asseled Cap ) 圖像高光譜處理高光譜工具是通過補償大氣對光譜的混淆來增強圖像。ERDAS提供的高光譜增強處理功能有：自動相對反射、自動對數(shù)殘差、歸一化處理、內(nèi)部平均相對反射、對數(shù)殘差、數(shù)值調(diào)整、光譜均值、像元均值、信噪比等。 圖像高光譜處理歸一化處理 圖像高光譜處理信噪比處理 傅立葉變換處理傅立葉變換是首先把遙感圖像從空間域轉(zhuǎn)換到頻率域，然后在頻率域上對圖像進行濾波處理，減少或消除周期性噪聲，再把圖像從頻率域轉(zhuǎn)換到空間域，達到增強圖像的目的。ERDAS提供的高光譜增強處理功能有：傅立葉變換、傅立葉逆變換、傅立葉顯示變換、周期噪聲去除、同態(tài)濾波等。 傅立葉變換處理傅立葉變換編輯器傅立葉變換處理低通濾波傅立葉變換處理高通濾波 傅立葉變換處理契形濾波傅立葉變換處理組合濾波傅立葉變換處理濾波效果3.4 圖像分類處理基于圖象像元的數(shù)據(jù)文件值,將像元歸并成有限幾種類型/等級/數(shù)據(jù)集的過程,也成為圖像分割(image segmentation) Unsupervised classification Supervised classification Expert classifier Classification assessment非監(jiān)督分類完全按照像元的光譜特征進行統(tǒng)計分類,常常用于對分類區(qū)沒有太多了解情況下.1)原始圖像的所有波段都參于分類運算,分類結(jié)果往往是各類像元數(shù)大體等比例.2)人為干預(yù)較少,自動化程度較高.3)一般經(jīng)過以下步驟:初始分類/專題判別/分類合并/色彩確定/分類后處理/色彩重定義/統(tǒng)計分析.監(jiān)督分類常常用于對分類區(qū)比較了解情況下,要求用戶控制.1)選擇可以識別或借助其他信息可以斷定其類型的像元建立模板,然后基于該模板使系統(tǒng)自動識別具有相同特征的像元.2)對分類結(jié)果進行評價后再對模板進行修改,多次反復(fù)后建立比較正確的模板,在此基礎(chǔ)上最終進行分類.3)一般經(jīng)過以下步驟:訓(xùn)練樣本/建立模板/評價模板/初步分類/檢驗分類/分類后處理/分類特征統(tǒng)計.專家分類首先建立知識庫，根據(jù)分類目標(biāo)提出假設(shè)，并根據(jù)擁有的數(shù)據(jù)資料定義支持假設(shè)的規(guī)則、條件和變量，然后應(yīng)用知識庫自動進行分類。ISODATA (Iterative self-organizing data analysis technique)迭代：不斷重復(fù)分類過程,并且重新計算統(tǒng)計值。自組織：最少的用戶輸入即可進行類型的確定。聚類過程始于任意聚類平均值或一個已有分類模板的平均值； 用最小光譜距離把每一侯選象元賦予一個類別；聚類每重復(fù)一次,聚類的平均值就更新一次,新聚類的均值再用于下次聚類循環(huán)。ISODATA聚類分析中的參數(shù)N:最大聚類組數(shù),需要分成的最多的類別數(shù),由于一些聚類組中可能包含的象元數(shù)太少,將會被合并,最終的聚類組可能少于N。T:收斂閾值.在迭代過程中,上次聚類中類型值未改變的象元所占的百分比。M:最大迭代次數(shù)。非監(jiān)督分類實際工作中將分類設(shè)為最終分類數(shù)的2倍以上。Evaluate classification1) 同時顯示germtm.ing和germtm_isodata.ing提示:打開第2幅圖時關(guān)閉clear display2) 打開屬性表調(diào)整字段和順序3）編輯類別顏色4) 對比顯示提示：對比Utilityflicker/ Blend/ Swipe區(qū)別Raster attribute editor:Img屬性表中對class names 和顏色進行編輯。非監(jiān)督分類處理原理(小結(jié)）遙感圖像上的同類地物在相同的表面結(jié)構(gòu)特征植被覆蓋光照條件下，一般具有相同或相近的光譜特征，從而表現(xiàn)出某種內(nèi)在的相似性，歸屬于不同的光譜空間區(qū)域非監(jiān)督分類就是指事先人們對分類過程不施加任何先驗知識，僅憑借遙感影像地物光譜特征的分布規(guī)律，隨其自然的進行分類，其分類結(jié)果只是對不同的類別加以區(qū)分，并不知道具體的類別需要實地考查 非監(jiān)督分類處理內(nèi)置模塊 非監(jiān)督分類處理內(nèi)置模塊Supervised Classification訓(xùn)練樣本：是許多組代表某種可識別模式的象素組，系統(tǒng)通過對訓(xùn)練樣本的各種統(tǒng)計值來生成參數(shù)化模板。訓(xùn)練樣本量：對N個波段進行分類，訓(xùn)練樣本量不少于10n個像元，到達100n個像元更好。樣本像元應(yīng)具有代表性，避免集中局部。訓(xùn)練樣本選擇：取決于用戶對研究區(qū)及類別的了解程度。1）矢量多邊形：使用矢量圖層；自定義AOI多邊形；2）標(biāo)志種子象素：利用AOI工具，用十字光標(biāo)標(biāo)出一個象元作為種子象素（seed pixel）代表訓(xùn)練樣本，其相鄰象素根據(jù)用戶指定參數(shù)進行比較，直到?jīng)]有相鄰象元滿足要求，這些相似元素通過柵矢轉(zhuǎn)換成為感興趣區(qū)域?？赡艿姆诸愒瓌t有：1）平行六面體（parallelepiped）2) 特征空間（Feature space）3) Minimum Distance(最小距離)4)最大似然（Maximum likehood）5)馬氏距離（Mahalanobis distance）定義分類模板1）應(yīng)用AOI繪圖工具獲取分類模板信息利用Raster 工具面板多邊形工具，在原圖像上繪制多邊形，在signature editor對話框中將其加載到signature 分類模板中。提示：同一專題類型的多個AOI形成的模板可以合并。1）打開一幅圖像，germtm.img2）Classification signature editor2）應(yīng)用AOI擴展繪圖工具獲取分類模板信息Region growing properties 進行Neighborhood 屬性設(shè)置。利用Region grow AOI選擇種子點。提示：AOI seed propertiesregion growing Properties約束條件：Area確定最多的像元數(shù)； Distance確定包含像元距離種子點像元的最大距離。Spectral euclidean distance,可以接收像元與種子點之間最大波譜歐式距離（兩個像元在各個波段數(shù)值之差平方和的二次根） 3）在特征空間圖像中應(yīng)用AOI工具獲取分類模板特征空間圖像：用分類的原圖像的兩個波段分別作橫縱坐標(biāo)軸形成的圖像。 步驟：生成特征空間圖像、關(guān)聯(lián)原圖像與特征空間圖像、確定圖像類型在特征空間的位置、在特征空間圖像繪制AOI區(qū)域、將AOI區(qū)域添加到分類模板。 在特征空間圖像中應(yīng)用AOI工具獲取分類模板Signature editor: Feature create feature space layers create feature space images提示： Output to viewer 打開 Reverse axes 坐標(biāo)軸交換Evaluating Signatures可分性：根據(jù)兩個模板間的距離統(tǒng)計指標(biāo)，可以針對任何將用于分類的波段組合，以排除無用波段。類別間統(tǒng)計距離計算公式：1）歐氏光譜距離；2）Jeffries-matusta距離；3)Divergence 分離度；4）Transformed divergence 轉(zhuǎn)換分離度cContingeney Matrix可能性矩陣輸出一個百分比矩陣，表明每個AOI訓(xùn)練區(qū)中有多少像元分別屬于相應(yīng)類別提示： 誤差矩陣精度open 4）原圖像與精度評估關(guān)聯(lián)；工具條：select viewer圖標(biāo)5）設(shè)置隨機點顏色； Viewchange colors6）產(chǎn)生隨機點; Edit create/add random points7）顯示隨機點類別; view show all ; Edit show class values8）輸入?yún)⒖键c類別; Reference 輸入9）輸出分類評價報告； Report accuracy report 監(jiān)督分類處理分類后處理細(xì)碎圖斑處理1） Clump:計算分類圖斑的面積，記錄相鄰區(qū)域中最大圖斑面積。2）Sieve:對經(jīng)Clump圖像，按照定義數(shù)值大小，刪除較小的圖斑，賦0值。3）Eliminate:對經(jīng)Clump圖像，按照定義數(shù)值大小，刪除較小的圖斑，合并到相鄰最大的圖斑。聚類統(tǒng)計（clump)、過濾分析(sieve)去除分析(eliminate)、重編碼(recode)鄰域分析 Neighborhood在定義范圍內(nèi)和分析函數(shù)進行分析,中心象元被分析結(jié)果所取代.Sum/Diversity/density/Majority/Minority/Max/Min/Rank分類色彩設(shè)置專家分類處理專家分類器ERDAS專家分類器由兩部分組成： 知識工程師 / 知識分類器 知識工程師為擁有第一手?jǐn)?shù)據(jù)和知識的專家提供一個用戶界面，讓專家把知識應(yīng)用于確定變量、規(guī)則和感興趣的輸出類型（假設(shè)），生成層次決策樹，建立知識庫。知識分類器則為非專家提供一個用戶界面，以便應(yīng)用知識庫并生成輸出分類。 專家分類處理知識工程師 專家分類處理建立知識庫變量編輯器規(guī)則編輯器假設(shè)編輯器 專家分類處理知識分類器3.5 空間建模操作空間建模工具建模語言 空間建模工具模型生成器 空間建模工具模型庫空間建模過程模型類型輸 入輸 出函 數(shù)輸 入函 數(shù)輸 出輸 入函 數(shù)輸 入輸 出空間建模過程建模流程明確問題（Define Problem）放置對象圖形（Place Object Graphics）連接對象（Connect Objects）定義對象（Define Objects）定義函數(shù)操作（Define Functions & Operators）運行模型（Run Model）反饋與調(diào)整 空間建模過程放置對象空間建模過程定義參數(shù) 空間建模過程定義操作空間建模過程注釋模型空間建模過程保存運行 空間模型輸出程序腳本 空間模型輸出打印輸出 空間模型輸出文本流程四、ERDAS8.4矢量功能4.1 矢量功能簡介基于ESRIERDAS的矢量功能是基于ESRI的數(shù)據(jù)模型開發(fā)的，所以ARC/INFO的矢量圖層（Coverage），ESRI的Shape文件和ESRI SDE矢量層（Vector Layer）可以不經(jīng)轉(zhuǎn)換而直接在ERDAS中使用，使用方式包括顯示、查詢、編輯（SDE矢量層除外）。內(nèi)置矢量模塊（Native Vector）：是IMAGE Essentials級的功能，即內(nèi)置于ERDAS中的矢量功能。這些功能包括“矢量數(shù)據(jù)及屬性數(shù)據(jù)的查詢與顯示”、“矢量數(shù)據(jù)的生成與編輯”。 擴展矢量模塊（Vector Module）：是ERDAS的附加模塊，包