遥感图像处理：ERDAS IMAGINE非监督与监督分类实战

"ERDAS IMAGINE遥感图像处理教程中文版，涵盖了遥感图像的非监督分类、监督分类以及分类精度评价等核心内容。" 遥感图像处理是地理信息系统(GIS)和地球科学领域的重要组成部分，尤其在ERDAS IMAGINE这款强大的遥感图像处理软件中，其功能得到了充分展现。本教程主要围绕ERDAS 9.2版本，详细讲解了图像分类的基本理论和实际操作。 图像分类是遥感数据分析的关键环节，它依据像元的光谱信息将图像分成不同的类别。教程中提到了两种主要的分类方法：非监督分类和监督分类。 非监督分类，如ISODATA算法，是一种自组织数据分析技术。在没有先验知识的情况下，该方法基于像元的光谱特性进行自动统计分类。非监督分类通常包括几个阶段，如初始分类、专题判别、合并、色彩设定、后处理等。在IMAGINE Essentials级别中，基础的非监督分类功能可使用，而在更高级别的IMAGINE Professional中，功能更为丰富。 监督分类则需要用户更多的介入，特别是通过选取已知类型的像元（训练样本）来建立模板，然后进行匹配识别。这一过程包括建立模板、特征统计、栅格矢量转换、模板评估、初步分类图的确定、分类结果检验和后处理等步骤。在IMAGINE软件中，监督分类的相关命令位于Classification菜单。 实验的目的在于让学习者理解图像分类的原理，掌握人工分类和计算机分类（监督与非监督）的不同应用场合，熟悉常用算法的实现过程，并能进行分类精度的评价。此外，还包括对分类结果的后期处理，以提高分类的准确性和实用性。 实验内容分为四个部分： 1. 非监督分类：学生将学习如何执行ISODATA算法，以及处理分类结果的过程。 2. 监督分类：涵盖建立训练样本、分类以及结果优化的步骤。 3. 分类精度评价：讲解如何使用合适的评价方法和指标来评估分类效果。 4. 分类后处理：教学如何改进分类结果，包括错误修正和综合处理。 通过这个教程，学习者不仅可以深入理解遥感图像处理的核心技术，还能获得实际操作的经验，这对于在环境监测、城市规划、资源调查等领域应用遥感技术至关重要。