林业3S技术与应用
- 格式：doc
- 大小：2.42 MB
- 文档页数：34
内容1 几何校正 1、数 据 ASTER_original.hdr（待校正的图像）和etm_reference.img（参考图像）
2、主要步骤 1 启动几何校正 （1）首先在两个Viewer中分别打开两景图像ASTER_original.hdr（待校正的图像）和etm_reference.img（参考图像）； （2）在ASTER_original.hdr图像的窗口中的菜单栏依次选Raster → Geometric Correction，在出现的Set Geometric Model中选择Polynpmial，如图1.1所示，再点击OK；则可以出现图1.2 图1.2 （3）在出现的Polynomial Model Properties (No File) 中调整Polynomial Order右侧的数值为2，并点击Apply。再点击Close，则出现图1.3 图1.3 （4）在出现的GCP Tool Reference Setup中选择Existing Viewer，OK则出现图1.4
图1.4 （5）在出现的Viewer Selection Instructions窗口并，在打开有etm_reference.img的Viewer窗口的图像区域单击鼠标，出现Reference Map Information（参考图像的投影信息），OK，随即出现几何校正界面 （6）在下方的GCP Tool界面中将设定为弹起状态（取消自动选点和计算），将Color设定为红色（方便在图像中显示和查找位置）；如下图1.5所示 图1.5 （7）在图像上均匀地选取明显的、清晰的地面控制点，如道路交叉点、河流汇合口、建筑物等，地面控制点选取的最少个数按如下公式计算：（t为多项式阶数，注意： GCPmin = (t+1)(t+2)/2 选取足够的地面控制点后，单击 计算RMS误差（均方
根），RMS Error栏中每个点的数值应小于1（即校正误差控制在1个像元内，实际地面误差为30m）。若其中部分RMS Error大于1，则可通过删除RMS Error较大值的点或微调Contrib栏中较大值的点在图像中的位置进行调整，最终使所有点的RMS Error均小于1，如图1.6所示； 图1.6 （8）完成所有地面控制点的选取后，保存地面控制点信息：在GCP Tool界面中依次File → Save Input As和File → Save Reference As，将地面控制点信息分别保存为aster_input.gcc和aster_refer.gcc； （9）单击Geo Correction Tools中的进行几何校正； 在出现的Resample界面中，设置输出路径为aster_geo.img，在右上方的Resample Method中选择Nearest Neighborhood（最近邻重采样方法），在下方的Output Cell Size中输入X和Y的数值分别为15.00和15.00（指定数据重采样后像元的大小为15m*15m），勾选右下方的Ignore Zero in Stats，OK，设置如图所示。随即自动进行几何校正和重采样，最终完成后单击OK；
3 校正前后对比检查 （1）在一个Viewer中同时打开以上两景图像（aster_geo.img和etm_reference.img），在Viewer窗口中的菜单栏依次选择Utility → Swipe，出现Viewer Swipe窗口，用鼠标调整显示区域，放大该区域，查看几何校正后两景图像在相同位置处的重叠情况。如图所示
3、主要结果 内容2 图像分类—传统方法 1、数 据 tm_19920816.img
非监督分类操作步骤 2、主要步骤 （1）启动ERDAS IMAGINE 9.1，点击Classifier图标，出现Classification工具条，单击Unsupervised Classification，出现Unsupervised Classification（Isodata）界面； （2）在Unsupervised Classification（Isodata）界面中输入相关参数：Input Raster File中输入原始影像tm_19920816.img；Output Cluster Layer Filename中填写输出分类结果unsupervised.img；Output Signature Set Filename中填写输出分类模板unsupervised.sig；在Clustering Option（聚类选项）中，选择Initialize from Statistics，在Number of Classes（分类数）中填写10（注意：一般将分类数取为最终分类数的2倍以上）；在Processing Options（过程选项）中，填写Maximun Iterations（最大迭代次数）为6，如图2.1所示，OK，进行非监督分类，得到初步的分类结果unsupervised.img。 图2.1 （3）在Viewer窗口中打开此初步的分类结果unsupervised.img，Raster → Attributes，出现Raster Attribute Editor界面，调整各类别在Color栏中的颜色，以便于区别各类别至此，得到最终的非监督分类结果unsupervised.img； （4）在此Viewer窗口中同时打开原始影像tm_19920816.img，使分类结果与原始影像在一个窗口中同时显示，在Viewer窗口菜单栏中依次选择Utility → Flicker，出现Viewer Flicker对话框，勾选Auto Mode，设置分类图像在原图像修背景上闪烁，观察它与背景图像之间的关系，从而断定该类别的专题意义，并分析其分类准确与否。 （5）对分类不准确的个别类别重复步骤（3）中的类别聚合过程，直至得出最终分类结果。 监督分类操作步骤 具体步骤如下： 第一步：打开原始影像 在一个Viewer视窗中打开原始影像tm_19920816.img（Red4／Grean5／Blue3、选择Fit to Frame）。 第二步：打开模板编辑器 在ERDAS IMAGINE 9.1中，点击Classifier图标，出现Classification工具条，单击Signature Editor—>Signature Editor对话框，如图2.2所示。
图2.2 第三步：获取分类模板信息 1）应用AOI绘图工具在原始影像中获取分类模板信息 在显示有原始影像tm_19920816.img打开Raster工具面板，点击Raster工具面板的图标，在Viewer视窗中选择能够明确判明其类别的区域，绘制一个多边形AOI，在Signature Editor对话框，点击图标，将多边形AOI区域加载到Signature分类模板中，在Signature Editor中，改变刚才加入模板的Signature Name，重复上述操作过程，选择各地类各典型区域AOI，并将其作为模板加入到Signature Editor中，同时确定各类的名称。 第四步：保存分类模板 以上分别用不同方法产生了分类模板，下面将该模板保存起来。 在Signature Editor对话框菜单栏中依次File → Save，打开Save Signature File As对话框，输入保存文件的目录和名字（supervised.sig），OK。 2 执行监督分类 （1）在Unsupervised Classification（Isodata）界面中输入相关参
数：Input Raster File中输入原始影像tm_19920816.img；Output Cluster Layer Filename中填写输出分类结果supervised.img；Output Signature Set Filename中填写输出分类模板supervised.sig；点击Ok。
四、精度评价 第一步：在Viewer视窗中打开原始影像 在一个Viewer中打开分类前的原始影像tm_19920816.img，以便进行精度评估。 第二步：启动精度评估对话框 在ERDAS IMAGINE 9.1 图标面板工具条中，点击Classifier图标，出现Classification工具条，点击Accuracy Assessment菜单项，打开Accuracy Assessment对话框，如图2.7所示。 第三步：打开分类专题图像 在Accuracy Assessment对话框菜单栏中依次选择File → Open，打开Classified Image对话框，确定与视窗中对应的分类专题图像supervised.img，OK。 第四步：将原始图像视窗与精度评估视窗相连接 在Accuracy Assessment对话框工具条中点击图标（Select Viewer），随后将光标在显示有原始影 第五步：在精度评价对话框中设置随机点的色彩 在Accuracy Assessment对话框菜单栏依次选择View → Change Colors菜单项，打开Change color面板，在Points with no Reference确定没有真实参考值的点的颜色，在Points with Reference确定有真实参考值的点的颜色，OK。
像tm_19920816.img的视窗中点击一下，原始影像视窗与精度评估视窗实现了连接。 在Accuracy Assessment对话框菜单栏中依次选择Edit → Create/Add Random Points，打开Add Random Points对话框，在Search Count中输入1024，在Number of Points中输入20，在Distribution Parameters选择Random单选框，如图2.8所示，OK。
