【Erdas实验教程】010：监督分类及后处理、精度评价
文章目录
- 一、监督分类介绍
- 二、监督分类流程
- 1. 定义分类模板
- 2. 评价分类模板
- 3. 执行监督分类
- 4. 评价分类结果
- 4.1 叠加显示
- 4.2 动态窗口链接
- 4.3 阈值处理
- 4.4 分类精度评价
- 5. 分类后处理
- 5.1 集聚处理
- 5.2 滤网分析
- 5.3 去除分析
- 5.4 重编码
一、监督分类介绍
遥感图像计算机分类的依据是遥感图像像素的相似度。相似度是两类模式之间的相似程度，在遥感图像分类过程中，常使用距离和相关系数来衡量相似度。遥感图像的分类方法包括监督分类和非监督分类。
从研究区域选取有代表性的训练场地作为样本，根据已知训练区提供的样本，通过选择特征参数（如像素亮度均值、方差等），建立判别函数，据此对数字图像待分像元进行分类，依据样本类别的特征来识别非样本像元的归属类别。监督分类的主要方法有：最小距离分类、最大斯然比分类、线性判别分类、平行管道分类等。
二、监督分类流程
1. 定义分类模板
ERDAS IMAGINE的监督分类是基于分类模板来进行的，而分类模板的生成、评价、管理和编辑等功能是由分类模板编辑器来负责的。
1）显示需要进行分类的图像
在视窗中显示 germtm.img（red4/green5/blue3，选择 Fit to Frame）
显示结果：<