遥感图像计算机分类：后处理关键技术

在遥感图像计算机分类中，分类后处理是一个关键步骤，它涉及到对初步分类结果的进一步优化和整理，以提高分类的精度和可靠性。这个过程包括多个子任务，以下是详细的解释： 1. **聚类统计**： 集群统计是分类后处理中的重要环节，通常通过GIS分析工具（如ERDAS Imagine的main>image interpreter>gis analysis>clump）进行。这个操作可能用于合并相似类别，减少噪声或异常值的影响。根据提示，建议设置的计算邻域选择一个合适的值，以平衡计算效率和结果的准确性。长时间的计算可能需要优化参数。 2. **专题判别**： 在专题判别阶段，用户可以编辑类别颜色和名称，以便于视觉识别和解释。此外，还通过对比显示功能（如Utility菜单下的flicker/Blend/Swipe）来比较不同分类方案的效果，以便做出最佳决策。 3. **过滤分析**： 包括去除分析和筛选分析（Sieve），这一步骤用来剔除小图斑或不符合特定条件的图斑，确保后续分析的图斑尺寸符合研究需求。过滤后，小图斑的属性值会被设置为0，以清除噪声。 4. **分类重编码**： 非监督分类后的数据可能存在孤立类别或混合类别，这时需要进行分类重编码（Recode），以确保数据结构清晰且符合预期的分类结构。这个过程需谨慎操作，以保持分类的逻辑性和一致性。 5. **色彩重定义**： 色彩重定义允许用户调整图像的颜色映射，使其更直观地反映各类别的特征，有助于后续分析和可视化。 6. **栅格矢量转换**： 从栅格数据转换为矢量数据是将分类结果转化为地理空间实体的过程，这对于地形分析、地图制作等应用至关重要。这个步骤通过main>vector>rastertovector…命令执行。 7. **监督分类**： 相对于非监督分类，监督分类涉及模板设计与评估。用户需定义明确的分类模板，如通过样本数据指导，然后根据模板进行分类，最后评估分类的性能。 分类后处理是一个复杂且精细的过程，它涵盖了从数据清洗、细化到结果优化的各个环节，目的是提升分类的准确性和可解释性，从而更好地服务于遥感图像的深入分析和应用。每个步骤都需要结合具体场景和需求进行定制，以实现最佳的分类效果。