实验报告书(验证性)

实验报告书(验证性)

ID:35222229

大小:2.15 MB

页数:9页

时间:2019-03-22

实验报告书(验证性)_第1页
实验报告书(验证性)_第2页
实验报告书(验证性)_第3页
实验报告书(验证性)_第4页
实验报告书(验证性)_第5页
资源描述:

《实验报告书(验证性)》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、实验报告书(验证性实验)题目非监督分类成绩姓名专业班级学号指导教师日期年月日1.实验目的掌握非监督分类的方法与过程,加深对非监督分类方法的理解;运用1SODATA(IterativeSelf-OrganizingDataAnalysisTechnique)算法,完全按照像元的光谱特性进行统计分类,对分类区进行深入了解;2.实验准备工作准备一张卫星拍摄的同一位置的高清映像文件以及ERDASIMAGINE软件。3.实验步骤(一)、分类过程(classificationProcedUre)第一步:在ERDAS图标面板工具条中点击Classifier图标→C1assific

2、ation→UnsupervisedClassification---→unsupervisedclassification对话框如下:第二步:进行非监督分类:1、在Unsupervisedclassification对话框中:确定输出文件(InputRasterFile):12235.img(要被分类的图像),确定输出文件(OutputFile):处理.img(即将产生的分类图像),选择生成分类摸板文件:OutputSignatureSet(将产生一个模板文件),确定分类摸板文件(Filename):处理.sig。2、对Clusteringoptions选择Ini

3、tializefromStatistics单选框:确定初始分类数(Numberofclasses):20分出20个类别;点击Initializingoptions按钮可以调出Fi1eStatisticsOptions对话框以设置ISODATA的一些统计参数;点击Co1orSchemeOptions按钮可以调出outputcolorSchemeOptions对话框以决定输出的分类图像是彩色的还是黑白的,这两个设置项使用缺省值;定义最大循环次数(MaximumIterations):28;最大循环次数(MaximumIterations)是指ISODATA重新聚类的最多

4、次数,这是为了避免程序运行时间太长或由于没有达到聚类标准而导致的死循环。一般在应用中将循环次数都取6次以上。设置循环收敛阈值(ConvergenceThreshold):0.95;点击OK按钮(关闭UnsupervisedClassification对话框,执行非监督分类,获得一个初步的分类结果)。(一)、分类评价(EvaluateClassification)第一步:显示原图像与分类图像:在视窗中同时显示12235.img和处理.img:两个图像的叠加顺序为12235.img在左、处理.img在右,12235显示方式用红(4)、绿(5)、蓝(3):第二步:打开分类

5、图像属性并调整字段显示顺序:在视窗工具条中:点击图标(或者选择Raster菜单项—--选择Tools菜单):打开Raster工具面板;点击RaSter工具面板的图标(或者在视窗菜单条:Rster---Attributes):打开RasterAttributeEditor对话框(处理.img的属性表);打开RasterAttributeEditor对话框菜单条:Edit→ColumnProperties→columnproperties对话框;在ColumnProperties对话框中调整字段顺序,最后使Histogram、opacity、color、class_na

6、mes四个手段的显示顺序依次排在前面;点击OK按钮(关闭Columnproperties对话框);返回RasterAttributeEditor对话框(处理.img的属性表)。第三步:给各个类别赋相应的颜色打开RasterAttributeEditor对话框(处理.img的属性):点击一个类别的Row字段从而选择该类别,右键点击该类别的Color字段(颜色显示区),AsIs菜单→选择一种颜色,重复以上步骤直到给所有类别赋予合适的颜色。将原图与生成的图在同一窗口打开。调整图层,点击Utility→swipe,并打开Raster→Attributes,得到如下窗口:来回

7、拉动,将分类图像与原图比较。找出相对应的地物,修改相应的classname,并用同样的颜色表示相同的地物,如图所示:得到最终结果:1.实验数据分析与结论(可另附文字材料)在非监督分类不必对影像地物获取先验知识,仅靠影像上不同类地物光谱信息(或纹理信息)进行特征提取,再统计特征的差别来达到分类的目的,最后对已分出的各个类别的实际属性进行确认。相比之下,非监督分类不需要更多的先验知识,它根据地物的光谱统计特性进行分类。因此,非监督分类方法简单,且分类具有一定的精度。当光谱特征类能够和唯一的地物类型(通常指水体、不同植被类型、土地利用类型、土壤类型等)相对应时,非监督

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。