遥感数字图像处理实验教程.docx

《遥感数字图像处理实验教程.docx》由会员分享，可在线阅读，更多相关《遥感数字图像处理实验教程.docx（63页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、遥感数字图像处理实验教程（ENVI）第一章 ENVI 应用基础徐老师1.1 ENVI 软件概述1.2 ENVI 文件系统和存储1.3 ENVI 常用系统配置说明1.4 ENVI 数据的输入与输出1.5 ENVI 数据显示操作第二章 数据预处理李飞2.1 坐标定义与投影转换图像预处理时遥感数字图像处理中非常重要的环节，也是空间信息提取之前首先要做的工作。主要包括图像几何校正、图像融合、图像镶嵌和图像裁剪等一般过程。2.1.1 坐标定义ENVI 中的坐标定义文件存放在 ITTIDLxxproductsenvixx map_proj 文件夹下。三个文件记录了坐标信息：v ellipse.txt：椭球

2、体参数文件。v datum.txt：基准面参数文件。v map_proj.txt：坐标系参数文件。在 ENVI 中自定义坐标系分三步：定义椭球体、基准面和定义坐标参数。1、定义椭球体语法为 ，。这里将“Krasovsky, 6378245.0, 6356863.0”和“IAG-75, 6378140.0, 6356755.3”加入 ellipse.txt 末端（图 2-1）。图 2-1 定义地球椭球体ellipse.txt 文件中已经有了克拉索夫斯基椭球，由于翻译原因，这里的英文名称是Krassovsky。为了让其他软件平台识别，这里新建一个Krasovsky 椭球体。2、定义基准面语法为，。

3、这里将“ Beijing-54, Krasovsky, -12, -113, -41”和“Xian-80,IAG-75,0,0,0”加入 datum.txt 末端（图2-2）。图 2-2 定义大地基准面有的时候为了与其他软件平台兼容，基准面的名称需要写成所用的椭球体名称。3、 定义投影（1） 选择主菜单 MapCustomize Map Projection 命令；（2） 在 Customized Map Projection Definition 窗口中设置地图投影的参数（图 2-3）；图 2-3 定义地图投影关参数说明：v Projection Name：定义投影名称；v Projecti

4、on Type：定义投影类型，这里选择Transverse Mercator；v Projection Datum:定义大地基准面，这里选择之前定义的Beijing-54；v False easting：定义东偏移的距离 500km；v Latitude of Projection origin：定义投影的起始维度；v Longitude of central meridian：定义中央经线；v Scale factor：定义缩放倍率。（3） 定义好参数后，选择 ProjectionAdd New Projection 命令；（4） 选择 FileSave Projections 保存自定义投

5、影（图 2-4）；图 2-4 定义投影输出（5） 点击 OK，输出自定义投影。v 在 ITTIDLxxproductsenvixx map_proj 文件夹中的 map_proj.txt 文件中可看到刚才定义的坐标系参数。4、使用定义的坐标系统图 2-5 系统投影信息（1） 在主菜单中，选择FileOpen Image File，打开一幅无坐标系统的影像数据；v 影像数据投影缺失表现为 Map InfoDatum:。（2） 选择未定义投影影像的Map Info 图层，右键单击选择Edit Map Infromation；（3） 在 Edit Map Information 窗口中编辑地图信息（

6、图 2-7）；图 2-7 编辑地图信息图 2-6 波段选择列表（4） 点击 Change Proj 按钮，在弹出的Projection Selection 对话框中选择beijing54，点击OK（图 2-8）。（5） 点击 OK 完成投影定义。定义坐标后的图像投影信息如图2-9 所示。图 2-9 图像投影信息图 2-8 选择地图投影2.1.2 投影转换（1） 选择主菜单 MapConvert Map Projection 工具；（2） 在 Convert Map Projection Input Image 中选择需要转化投影的图像文件（图2-10）；图 2-10 选择转换图像投影的文件v

7、Spatial Subset：空间裁剪，参考图像裁剪；v Spectral Subset：光谱分割，可有选择性的对波段进行处理。（3） 在 Convert Map Projection Parameters中点击 Change Proj 按钮，选择投影类型；（4） 在 Projection Selection 对话框中选择投影类型，这里选择 xian80（如果没有选项，参考定义坐标系统），点击 OK 按钮；（5） 在 Convert Map Projection Parameters中设置转换参数及输出文件和文件名等；图 2-11 图像投影转换参数设置（6） 点击 OK 执行投影转换操作。2.

8、2 图像几何校正遥感图像的几何纠正是指消除影像中的几何形变，产生一幅符合某种地图投影或图形表达要求的新影像。一般常见的几何纠正有从影像到地图的纠正，以及从影像到影像的纠正，后者也称为影像的配准。遥感影像中需要改正的几何形变主要来自相机系统误差、地形起伏、地球曲率以及大气折射等。几何纠正包括两个核心环节：一是像素坐标的变换， 即将影像坐标转变为地图或地面坐标；二是对坐标变换后的像素亮度值进行重采样。2.2.1 影像到影像的几何纠正1、打开并显示图像文件在 ENVI 主菜单栏中，选择File Open Image File，打开参考影像（这里以SPOT 图像为例）和需校正影像（这里以 TM 图像为

9、例）。它们将分别显示在 Display 窗口，如图 2.12 所示。图 2.12 待纠正影像和参考影像显示图2、启动几何纠正模块（1） 在 ENVI 主菜单中，选择MapRegistrationSelect GCPs：Image to Image， 弹出 Image to Image Registration 几何纠正模块对话框。（2） 选择显示参考影像（SPOT 文件）的Display 为基准图像的（Base Image），显示需校正影像（TM 文件）的Display 为待纠正图像（Warp Image）（如图 2.13 所示）。（3） 点击 OK 按钮，弹出Ground Control P

10、oint Selection对话框，进行地面控制点的采集，如图 2.14 所示。图 2.14 地面控制点选择对话框图 2.13 选择基准影像与待纠正影像3、采集地面控制点在图像几何纠正过程中，采集地面控制点是一项重要和繁重的工作，直接影响最后的纠正结果，在实际操作中要特别认真和具有耐心。（1） 在 Ground Control Point Selection 对话框中，选择 Options Set PointColors，设置或修改GCP 在可用和不可用状态的颜色。（2） 在两个Display 中移动方框位置，寻找明显的地物特征点作为输入GCP。（3） 在 Zoom 窗口中，点击左小下角第三个

11、按钮，打开定位十字光标，将十字光标分别移到基准影像与待纠正影像相同地物点上。（4） 在 Ground Control Point Selection 上，单击 Add Point 按钮，将当前找到的点进行收集。如图 2.15 所示。图 2.15 同名地物控制点采集（5） 利用同样的方法继续寻找其余的点，当选择控制点的数量达到3 时，RMS 被自动计算。Ground Control Point Selection 上的Predict 按钮可用，这时在基准图像显示窗口上面定位一个特征点，单击Predict 按钮，纠正图像显示窗口上会自动预测区域，适当调整一下位置，点击Add Point 按钮，将当

12、前找到的点收集。随着控制点数量的增多， 预测点的精度越来越精确。（6） 选择 OptionAuto Predict，打开自动预测功能，这时在基准图像显示窗口上面定位一个特征点时，纠正图像显示窗口上会自动预测。当选择一定数量的控制点之后（至少 3 个），可以利用自动找点功能。（7） 选择 OptionAutomatically Generate Points，选择一个匹配波段，如选择信息量多Band5，单击OK 按钮。（8） 在 Automatic Tie Point Method Parameter 对话框中。这里设置 Tie 点的数量（Number of Tie points）：60；其他选

13、择默认参数（图 2.16 所示），点击 OK 按钮。图 2.16 Tie 点选择参数设置（9） 在 Ground Control Points Selection上，单击Show List 按钮，可以看到选择的所有控制点列表，如图 2.17 所示。图2.17 控制点列表（10） 选择 Image to Image GCP List 上的OptionOrder Points by Error，按照RMS 值由高到低排序。对于RMS 过高，意识直接删除，选择此行，按Delete 按钮；二是在两个图像的ZOOM窗口上，将十字光标重新定位到正确的位置，点击Image to Image GCP List

14、 上的 Update 按钮进行微调。当RMS 值小于 1 个像素时（根据实际情况判断最小RMS 值），点的数量足够且分布均匀，完成控制点的选择。（11） 选择 FileSave GCPs to ASCII，将控制点保存。4、选择纠正参数并输出结果此处ENVI提供两种输出方式：Warp File和Warp File（as Image Map）（1） Warp File 方式图2.18 校正输出参数设置A. 在Ground Control Points Selection上，选择OptionsWarp File，选择需纠正图像。B. 在纠正参数对话框中（图2.18所示），设置纠正参数；相关参数说明

15、：v 重采样选择双线性（Bilinear），背景值（Back ground）为0。v Output Image Extent：默认是根据基准图像大小计算，可以进行适当调整。C. 选择输出路径和文件名，单击OK按钮。Warp File纠正方式得到的结果影像，它的尺寸大小、投影参数和像元大小（如果基准图像有投影）都与基准图像一致。（2） Warp File（as Image Map）方式A. 选择OptionsWarp File（as Image Map），选择纠正文件（TM文件）。B. 投影参数不变，在X和Y的像元大小输入30m，按回车键，图像输出大小自动更改。C. Output Image E

16、xtent：默认是根据基准图像大小计算，可以进行适当调整。D. 设置输出路径和文件名，单击OK按钮。5、检验纠正结果检验纠正结果的基本方法是：同时在两个窗口中打开图像，其中一幅是纠正后的图像，一幅是基准图像，通过视窗链接（Link Displays）及十字光标或者地理链接（Geographic Link）进行关联。在显示纠正结果的Image窗口中，从右键快捷菜单中选择Geographic Link命令，选择需要链接的两个窗口，打开十字光标进行查看。2.2.2 图像到地图的几何纠正图像到地图的几何纠正纠正过程与图像到图像几何纠正基本类似。采集控制点方式更加灵活，如果控制点需要从不同途径收集或者直

17、接从图上读取后键盘输入，可以采用这种方式，如地形图的纠正。下面以TM图像为例介绍该种几何纠正。1、打开并显示图像文件在ENVI主菜单栏中，选择File Open Image File，打开需纠正影像。2、启动几何纠正模块（1） 在 ENVI 主菜单中，选择 MapRegistrationSelect GCPs Image to Map： Image to Map，打开几何纠正模块。如图打开了很多显示窗口，还需要选择纠正图像的显示窗口。弹出纠正参数设置选择对话框（Image to Map Registration）；（2） 在 Image to Map Registration对话框中，填写纠正

18、图像的投影参数、像元大小（X/Y Pixel Size）。3、采集地面控制点地面控制点通过以下几种方式采集（几种方式可以同时采用）。（1） 键盘输入在纠正图像Display中移动方框位置，寻找明显的地物特征点作为输入GCP。A. 在Zoom窗口中，移动定位十字光标（利用键盘微调），将十字光标定位到地物特征点上；B. 在两个Display中移动方框位置，寻找明显的地物特征点作为输入GCP；C. 在Zoom窗口中，点击左小下角第三个按钮 ，打开定位十字光标，将十字光标移到相同地物点上；D. 在Ground Control Point Selection对话框上，将这个点的坐标x（E）、y（N）值键

19、盘输入；重复（1）（3）步骤继续采集其他控制点。当采集到第4个点的时候，可以通过Predict 预测功能预测图上大致位置。（2） 从栅格文件中采集A. 打开控制点采集的栅格文件，并在Display中显示；B. 在纠正图像的Display中移动方框位置，寻找明显的地物特征点作为输入GCP；C. 在栅格文件Display中，将Zoom窗口中十字光标定位到相同的地物特征点；D. 在栅格文件Display中，右键打开快捷菜单，选择Pixel Locator，单击Pixel Locator 对话框上的Export按钮，系统自动将定位点坐标输入Ground Control Points Selection

20、对话框中的x（E）、y（N）项；E. 重复（1）（4）步骤采集其他控制点。（3） 从矢量文件中采集A. 在ENVI主菜单中，OpenOpen Vector File，在文件选择对话框中，文件类型选择USGS DLG（*.ddf，*.dlg），选择矢量文件；B. 由于不是ENVI的。evf矢量格式文件，ENVI自动会对它进行格式转换。选择输出到内存（Memory），投影参数按照默认设置。C. 在Available Vector List对话框中，单击Load Selected按钮，加载到新的Vector Window中。D. 在纠正图像的Display中移动方框位置，寻找明显的地物特征点作为输入

21、GCP。E. 在Vector Window中，找到相应的区域，按住鼠标中键拉框对矢量数据放大。F. 在放大图上找到相应的位置，单击左键出现十字光标，松开左键后单击右键调出快捷菜单，选择Export Map Location，系统自动将当前的坐标信息输入Ground Control Points Selection对话框中的x（E）、y（N）。G. 重复（4）（6）步骤采集其他控制点。在Ground Control Points Selection上，查看RMS值是否符合要求，单击Show List 按钮，可以看到选择的所有控制点列表。如果RMS值符合精度要求，点的数量足够且分布均匀，在Grou

22、nd Control Points Selection上，选择FileSave GCPs to ASCII，将控制点保持，完成控制点采集工作。4、选择纠正参数输出结果在Ground Control Points Selection上，选择OptionWarp File，选择纠正文件（TM文件），输出参数设置与图像到图像的几何纠正方式类似。5、检验纠正结果将标准矢量数据叠加在纠正结果上，或者与经过纠正的图像显示在Displays中，与纠正结果用Geographic Link命令链接查看地物特征点，检查纠正结果的精度。2.3 图像融合遥感图像融合就是将不同类型传感器获取的同一地区的图像数据进行空间

23、配准，然后采用一定方法将各图像的优点或互补性有机结合起来产生新图像的技术。遥感图像融合方法通常有 IHS 变换融合方法、PCA 变换融合方法、小波变换融合方法与高通滤波(HPF) 融合方法等。其中，前三种方法最具代表性，也最常用。2.3.1 HSV 融合在图像处理中经常应用的彩色坐标系统(或称彩色空间) 有两种。一种是由红(R )、绿(G)、蓝(B)三原色组成的彩色空间即RGB 空间。另一种是 HSV 颜色空间，即亮度(V)， 色调(H)和饱和度(S)。HSV 颜色空间中三分量V，H，S 具有相对独立性,可分别对它们进行控制，并且能够准确定量地描述颜色特征。在遥感图像融合中，常常需要把 RGB

24、 空间转换为HSV 空间，在 HSV 空间复合不同分辨率的数据，即直接采用全色图像替换多光谱图像的亮度分量 V，然后采用最近邻法、双线性内插法或者三次卷积法对HSV 颜色空间的色调和饱和度重采样到高分辨率像元尺寸，然后通过逆变换回到RGB 颜色空间形成复合图像。操作步骤如下：（1） 在主菜单中，选择FileOpen Image File，打开融合的多光谱图像与高分辨率图像；（2） 在主菜单中，选择TransformImage SharpeningHSV 命令，打开HSV 图像融合对话框，在Select Input RGB Input Bands窗口中选择 RGB 颜色空间图像（图 2-19）；

25、（3） 在Select Input RGB Input Bands 窗口中选择RGB 颜色空间图像；图 2-19 选择 RGB 图像（4） 在High Resolution Input File 窗口中选择输入的高分辨率图像（图 2-20）；图 2-20 选择高分辨率图像（5） 在 HSV Sharpening Parameters 窗口中，设置重采样方法以及融合图像的路径和文件名（图 2-21）；图 2-21 HSV 融合参数设置（6） 点击OK 执行HSV 图像融合（图 2-22）。图 2-22 HSV 融合参数设置2.3.2 PCA 变换融合又称 K-L 变换法，先是把多光谱图像的特征空

26、间的特征轴旋转到平行于混合集群结构轴的方向去，得到新的特征轴。实际操作是将原来的各个因素指标（这些指标中部分有相关关系）重新组合，组合后的新指标是互不相关的。在由这些新指标组成的新特征轴中， 只用前几个分量图像就能完全表征原始集群的有效信息，原始图像中的大多数信息主要集中到前几个主成分中。采用高分辨率图像替换经PCA 变换的第一主成分，然后通过主成分逆变换进行PCA 变换的融合。操作步骤如下：（1） 在主菜单中，选择FileOpen Image File，打开融合的多光谱图像与高分辨率图像；（2） 在主菜单中，选择 TransformImage SharpeningPC Spectral Sh

27、arpening命令进行PCA 变换图像融合；（3） 在 Select Low Spatial Resolution Multi Band Input File 窗口中选择输入的低分辨率多光谱图像（图 2-23）；图 2-23 选择低空间分辨率多波段图像（4） 在 Select High Spatial Resolution Input File 窗口中选择输入的高分辨率图像（图 2-24）；图 2-24 选择高空间分辨率图像（5） 在PC Spectral Sharpen Parameters对话框中设置重采样方法与融合图像输出的路径和文件名（图 2-25）；图 2-25 PCA 图像融合参

28、数设置（6） 点击OK 完成PCA 图像融合操作。2.4 图像镶嵌影像镶嵌是指在一定地数学基础控制下，把多景相邻遥感影像拼接成一个大范围的影响图的过程。下面以两幅经过几何校正的TM 30 米图像为例（文件名分别为mosaic_2 和mosaic1_equal），介绍 ENVI 环境下图像的镶嵌过程。操作步骤如下：（1）选择主菜单FileOpen Image File，打开要进行拼接的图像（图 2-26）；图 2-26 图像波段选择列表（2）单击主菜单MapMosaickingGeoreferenced，打开图像镶嵌窗口；(3) 在 Map Based Mosaic 窗口中单击ImportImp

29、ort Files 命令；（4） 在弹出的Mosaic Input Files 对话框中选择待拼接的图像文件（图2-27）；图 2-27 选择镶嵌文件（5） 点击OK，把图像加载到了图像镶嵌的窗口中；（6） 在图层列表栏中选择需要调整重叠次序的图层，右键点击选择Raise Image to Top 或者Raise Image to Position 进行重叠次序的调整（图 2-28）；（7） 在图层列表栏中选择需要调整重叠次序的图层，右键点击选择Edit Entry 对图像镶嵌参数进行设置（图 2-29）；图 2-28 调整图像重叠次序图 2-29 设置图像镶嵌参数相关参数说明：v 在 Edi

30、t Entry 对话框中，设置Data Value to Ignore:0，忽略 0 值，Feathering Distance 设置羽化半径；v 在 Entry 参数对话框中，单击Select Cutline Annotation File 按钮，选择切割线的注记文件；点击 按钮进行波段组合设置；v 在 Color Balancing 中对图像进行调色处理，这里选择Adjust 对图像mosaic_2.img 进行调色；（8） 点击OK，结果如图 2-30 所示。图 2-30 图像镶嵌参数结果（9） 点击File 菜单下的Save template 命令对图像进行虚拟镶嵌；（10） 点击Fi

31、le 菜单下的Apply 命令，打开镶嵌图像保存对话框，设置输出的像元分辨率，重采样方法以及输出文件名等参数，点击 OK 完成图像的镶嵌和保存（图 2-31）。（11） 点击 OK 进行图像的镶嵌（图 2-32）。 图 2-31 图像镶嵌输出参数设置图 2-32 图像镶嵌结果2.5 图像裁剪影像裁剪的目的是将研究区以外的区域去除，经常是按照行政区划或研究区域的边界对图像进行裁剪，在基础数据生产中，还经常要做标准分副裁剪。按照ENVI 的图像裁剪过程，可分为规则裁剪和不规则裁剪。2.5.1 规则裁剪（1） 在主菜单中，选择 FileOpen Image File，打开裁剪的图像；（2） 在主菜单

32、中，选择 Basic ToolsResize Data (Sptial/Spectral)命令；（3） 在 Resize Data Input File 对话框中选择需要裁剪的图像（图2-33）；图 2-33 选择图像裁剪文件v Spatial Subset 按钮在空间上对图像进行裁剪；v Spactral Subset 按钮在光谱空间上分割。（4） 点击 Spatial Subset 按钮，设置规则裁剪的方式（图 2-34）；A. 基于图像的裁剪，点击 区域（图 2-35）。图 2-34 选择图像裁剪方式图 2-35 基于图像的裁剪v Image：通过输入行列数确定裁剪尺寸，按住鼠标左键拖动

33、图像的红色矩形框确定裁剪区域，或者直接用鼠标拖动红色边框来确定裁剪尺寸以及位置；B. 基于地图坐标的裁剪，点击 选择坐标范围（图 2-36）。图 2-36 基于地图坐标的裁剪v Map:通过输入左上角和右下角两点坐标来确定外边界矩形区域（图像必须有地理坐标）；C. 基于文件的裁剪，点击 选择基准图像。图 2-37 基于地图坐标的裁剪v File:以另外一个图像文件范围为标准确定外边界区域；v ROI/EVF：以感兴趣区域或者矢量边界为区域进行裁剪；v Scroll：根据当前放大的（meta zoomed）缩放窗口中的显示区域进行裁剪；（5） 选择输出路径及文件名，点击OK 按钮，完成规则图像裁

34、剪（图 2-38）。图 2-38 图像裁剪输出参数设置2.5.2 不规则裁剪不规则裁剪是指裁剪图像的边界范围是一个任意多边形，通过事先确定的一个完整的闭合区域进行，这个区域可以是一个手工绘制的ROI 多边形，也可以是 ENVI 支持的矢量数据文件。1、基于手动绘制感兴趣区域的图像裁剪（1） 打开要裁剪的图像，并显示在Display 中；（2） 在 Image 视图窗口中选择OverlayRegion of Interest。在ROI Tool 窗口中，选择ROI_TypePolygon；（3） 在 Window 一栏中选择感兴趣区域绘制窗口，这里选择Image，然后在Image窗体中绘制一个多

35、边形区域，然后右键单击两次结束；（4） 选择主菜单Basicsubset data via ROIs，或者选择 ROI ToolFileSubset data via ROIs 命令，选择裁剪图像（图 2-39）；图 2-39 选择图像裁剪文件（5） 点击 OK，在出现的Spatial Subset via ROI Parameters 窗口中选择进行裁剪的感兴趣区域及输出文件（图 2-40）。图 2-40 选择 ROI 文件（6） 单击 OK，对图像进行裁剪处理（图 2-41）。图 2-41 图像裁剪前后对比2、基于矢量边界生成的感兴趣区域的裁剪（1） 选择主菜单FileOpen Vecto

36、r File，打开Shapefile 矢量文件，投影参数不变，选择Output Result to 为 Memory，点击OK。如图 2-42 所示；图 2-42 输入矢量文件参数（2） 在 Available Vector List 窗口中选择矢量图层，然后选择菜单 FileExport Layers to ROI 命令；（3） 在弹出的窗口中选择用矢量边界进行裁剪的影像图层，点击OK；（4） 在 Export EVF layers to ROI 窗口中选择转换方法，这里以第一种为例（图2-43）；图 2-43 导出 EVF 图层为 ROI（5） 选择主菜单Basicsubset data

37、via ROIs，或者选择 ROI ToolFileSubset data via ROIs，选择要裁剪图像，点击OK；（6） 在弹出的Spatial Subset via ROI Parameters 窗口中选择进行裁剪的感兴趣区域及输出文件（图 2-44）。图 2-44 图像裁剪输出参数设置（7） 单击 OK，对图像进行裁剪处理（图 2-45）。图 2-45 图像裁剪前后对比2.6 实例与练习：*第三章 图像增强徐老师3.1 辐射增强处理3.1.1 直方图均衡化3.1.2 直方图匹配3.1.3 反差调整3.1.4 去条带处理3.2 光谱增强3.3 波段比计算3.4 主成分分析3.5 独立成

38、分分析3.6 最小噪声分离变换3.7 彩色变换3.3 空间域增强3.2.1 卷积增强3.2.2 边缘检测3.2.3 纹理分析3.4 频率域增强3.3.1 快速傅立叶变换3.3.2 频率域滤波3.3.3 傅立叶逆变换3.4 实例与练习：*第四章 图像分类李飞遥感图像分类就是利用计算机对遥感图像中各类地物的光谱信息和空间信息进行分 析，选择特征，将图像中每个像元按照某种规则或算法划分为不同的类别，然后获得客观的地物信息的过程。一般的分类方法可分为两种：监督分类与非监督分类。将多源数据应用于图像分类中，发展了基于专家知识的决策树分类。4.1 非监督分类非监督分类是指人们事先对分类过程不施加任何的先验

39、知识，而仅凭数据（遥 感影像地物的光谱特征的分布规律） ，即自然聚类的特性，进行“盲目”的分类；其分类的结果只是对不同类别达到了区分，但并不能确定类别的属性。其类别的属性是通过分类结束后目视判读或实地调查确定的。主要有两方法：ISODATA 分类与K-Means 分类。4.1.1 ISODATA分类ISODATA 是一种遥感图像非监督分类法。全称“ 迭代自组织数据分析技术”（Iterative Self-Organizing Data Analysis Technique）。ISODATA 使用最小光谱距离方程产生聚类，此方法以随机的类中心作为初始类别的“种子”，依据某个判别规则进行自动迭代聚

40、类的过程。在两次迭代的之间对上一次迭代的聚类结果进行统计分析，根据统计参数对已有类别进行取消、分裂、合并处理，并继续进行下一次迭代，直至超过最大迭代次数或者满足分类参数（阈值），完成分类过程。操作步骤如下：（1） 在主菜单中，选择FileOpen Image File，打开待分类图像；（2） 在主菜单中，选择ClassificationUnsupervisedISOData；（3） 在Classification Input File 选择分类的图像文件；（4） 在ISODATA Parameters 窗口中设置分类参数以及输出路径和文件名（图4-1）；图 4-1 ISODATA 分类参数设置

41、v Mumber of Classes:Min，max：类别数量范围，一般输入最小数量不能小于最终分类数量，最大数量为最终分类数量的2 3 倍；v Maximum Iterations:最大迭代次数，迭代次数越大，得到的结果越精确，运算时间也越长；v Change Threshold：变换阈值，当每一类的变化像元小于阈值时，结束迭代过程；v Minimun # Pixel in Class:一类所需的最小像元数，如果某一类中的像元数小于最少像元数，则将其中的像元归并到距离最近的类型中；v Maximum Class Stdv：最大分类标准差，以像素值为单位，如果某一类的标准差比该阈值大，则将该

42、类分成两类；v Minimum Class Distance：类别均值之间的最小距离，以像素值为单位，如果类均值之间的距离小于该值，则类别将被合并；v Maximum # Merge Pairs：最大的合并类别；v Maximum Stdev From Mean：距离类别均值的最大标准差，为可选项。筛选小于这个标准差的像元参与分类；v Maximum Distance Error：最大距离误差，为可选项。筛选小于这个最大距离误差的像元参与分类；(5) 点击OK 执行非监督分类，结果如图 4-2 所示。图 4-2 ISODATA 分类结果前后对比4.1.2 K-Means 分类K-均值算法也称

43、c-均值算法，其基本思想是：通过迭代，逐次移动各类的中心，直至得到最好的聚类结果为止。1、计算特征空间上均匀分布的最初类均值；2、用最短距离技术重复地把像元聚集到最近的类里；3、每次迭代重新计算了均值，且用这一新的均值对像元进行再分类。除非限定了标准差和距离的阈值（这时，如果一些像元不满足选择的标准，他们就无法参与分类），所有 像元都被归到与其最临近的一类里；4、这一过程持续到每一类的像元数变化少于选择的像元变化 阈值或已经到了迭代的最多次数。操作步骤如下：（1） 在主菜单中，选择FileOpen Image File，打开待分类图像；（2） 在主菜单中，选择ClassificationUns

44、upervisedK-Means；（3） 在Classification Input File 选择分类的图像文件；（4） 在 K-Means Parameters 窗口中设置分类参数以及输出的路径和文件名（图4-3）；图 4-3 K-Means 分类参数设置v Number of Classes：分类数量，一般为最终分类数的2 3 倍；v Change Threshold % (0-100)：变换阈值，当每一类的变化像元数小于阈值时， 结束迭代过程；v Maximum Iterations:最大迭代次数，迭代次数越大，得到的结果越精确，运算时间也越长；v Maximum Stdev From

45、 Mean：距离类别均值的最大标准差，为可选项。筛选小于这个标准差的像元参与分类；v Maximum Distance Error：最大距离误差，为可选项。筛选小于这个最大距离误差的像元参与分类。（5） 点击 OK 执行 K-Means 非监督分类，结果如图 4-4 所示。图 4-4 K-Means 分类结果前后对比4.2 监督分类监督分类 （supervised classification ）又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术。即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对待分类影像进行的图像分类，是模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立分类的决策规则，直至满足分类精度要求为止。常用算法有：判别分析、最大似然分析、特征分析、序贯分析和图形识别等。其一般过程如图 4-5 所示：图像特征判别选择训练区图像分类统计分析分类后处理精度验证图 4-5 监督分类一般流程4.2.1 训练样本的选择（1） 在主菜单中，选择FileOpen Image File，打开分类图像；（2） 选择图像视图窗口菜单OverlayRegion of Interest 命令；（3） 在Image 视图窗口中选择OverlayRegion of