实验4：遥感影像的监督分类和非监督分类实验学时：4
实验类型：综合
实验要求：必修
一、实验目的
1、对非监督分类：先对分类过程不施加任何先验知识，凭像元的光谱特征，运用迭代自组织分析（ISODA TA）算法，把一组像素按照相似性归为若干类别。

2、对监督分类：在对遥感图像上地物类别属性已经有了先验知识的基础上，即要从图像中选取所区分的各类地物的样本，建立模板再进行自动识别。

二、实验内容
通过对遥感图像的处理和分析，掌握遥感图像处理中目标检测方法。

三、实验要求
通过练习，熟练掌握遥感图像两类分类方法、评价方法的原理及实现过程，体会在具体应用中的适应性。

四、实验条件
遥感影像（qb.img，quickbird 数据，蓝绿红3个波段）、Erdas软件
五、实验步骤
遥感图像理解中主要有两种基于统计方法的分类：监督分类和非监督分类。

我们使用Erdas软件中的进行分类实验，以下我们分别对这两种进行实验。

1）非监督分类
①点击Unpervised Classification，弹出如下图的对话框：
图5
在对话框中输入要分类的图像和输出的文件名，在Number of Classes 中输入要分类的种类数（至少为目标分类数的两倍，我们要把原图像分为4类，所以该处的参数要大于8）。

点击OK按钮就完成了非监督分类的基本操作。

②打开分类后的遥感图像，此时还没有对各个类进行颜色设定，如图六
所示：
图6
③点击Viewer上的工具，弹出Raster Attribute Editor对话框，在该对话框中可以对各个类的显示颜色进行设定，并且修改各个类的类名。

对照原遥感图像，我们将分类后的影像图显示为四种颜色，如图八所示：
图8 2）监督分类
①打开要分类的遥感图像，点击
图10
③使用AOI对话框中的
，将池塘AOI加入对话框中，并修改类名和颜色，将池塘，建筑物，农田，裸地都建立AOI，如下图所示：
图12
将这个文件保存为sig11.sig文件。

④点击Supervised Classification按钮，弹出下图的对话框：
图13
在该对话框中输入要分类的原遥感图像和输出图的名称，并把在步骤③中建
立的sig11.sig文件输入到中。

点击OK按钮，就完成了监督分类。

⑤打开分类后的遥感图像。

图14
六、思考题
1、感图象分类的基础是什么？
2、监督法分类与非监督法分类各有什么优缺点？
3、如何评价分类的精度？
七、实验报告
详细给出ERDAS软件对监督法分类与非监督法分类的操作过程。

八、说明
必要时对上述相关内容进行补充，或告知学生实验室管理的相关规定及安全事项等内
容。