基于Erdas軟件的遙感影像土地利用現狀分類研究

葉滿珠 廖世芳 王建興

摘 要：目前的光譜遙感技術在很多方面都有了較大的發展，獲取的遙感數據也日益增多。分類是人們從遙感影像中提取有用信息的重要途徑之一。本文選取某地的遙感圖像，運用erdas軟件的監督分類方法，對該地區的土地利用現狀進行了分類，并對分類結果進行了評價，評價結果良好。

關鍵詞：遙感 特征提取 監督分類

一、 引言

作為采集地球光譜數據及變化的一種技術手段，遙感已經具有了非常悠久的歷史，遙感數據已經被廣泛的應用到土地利用等各個領域 。目前遙感技術中的一個重要研究內容集中在遙感影像分類領域，提高分類精度的主要方法是合理的選擇分類方法，本文選擇erdas軟件自帶的監督分類對某測區遙感影像土地利用現狀分類進行了研究。

二、 計算機遙感圖像分類方法

1. 監督分類。首先需要從研究區域選取有代表性的訓練場地作為樣本。根據已知訓練區提供的樣本，通過選擇特征參數，建立判別函數，據此對樣本像元進行分類，依據樣本類別的特征來識別非樣本像元的歸屬類別。缺點是操作者所選擇的訓練樣本有可能不是很典型的樣本，有可能造成樣本缺乏代表性，造成分類結果不準確。

2. 非監督分類。由于不同的地物具有不同的光譜特征，可將其歸屬于不同的類，這是非監督分類的理論依據。該分類的方法主要是通過系統聚類來進行的。主要算法有ISODATA法、分級級群法和K-均值算法等。由于非監督分類具有受人為因素的影響較少，根據地物的光譜特征進行分類，操作簡潔，算法穩定，所以被廣泛應用于多個領域。

3. 多特征方法。影像特征包括地物光譜特征，幾何特征，紋理特征，空間特征，語義特征，區域地學特征和干擾特征等 。近年來引入了許多新的方法，如模糊集 、神經網絡分類器等，在影像分類精度等方面有不少改進，但是其所能獲得的結果信息依然十分有限，且處理結果中往往會存在很多小斑塊。因此，面向對象的遙感影像分類方法正在受到越來越多的重視。

三、遙感圖像的處理流程

遙感圖像處理的一般流程包括圖像預處理，輻射處理，圖像分類，評價等幾個方面。

1. 圖像預處理。主要包括幾何校正、圖像拼接、圖象分幅裁剪，幾何校正就是在解譯遙感圖像時，必須將其與其他地理坐標相匹配。處理的方法包括粗加工處理和多項式擬合精加工處理。圖像拼接與裁剪的目的是生成合適大小的影像，為圖像處理做鋪墊。

2. 輻射處理。輻射處理包括輻射校正和輻射增強，由于傳感器輸出的能量中受到各方面誤差的影響，使得傳感器接收到的電磁波輻射與目標本身輻射的能量之間存在偏差，造成的失真，所以必須進行輻射校正；輻射增強是為了突出研究區域，增強研究目標和其他影像間的反差。

3. 圖像分類與評價 。常用的遙感影像的自動分類判讀方法有決策理論方法（統計方法）和結構法兩種。決策理論方法是被識別的模式中，提取一組反映模式屬性的測量值，并將模式特征定義在一個特征空間中，利用統計原理對特征空間來區分有不同特征的模式，達到分類的目的。

四、 遙感圖像計算機分類實驗研究

1. erdas 9.2 軟件介紹 。ERDAS IMAGINE是美國ERDAS公司開發的遙感圖像處理系統， 它可以面向不同需求的用戶，對于系統的擴展功能采用開放的體系結構，并有豐富的功能擴展模塊提供用戶選擇，使產品模塊的組合具有極大的靈活性。

2. 實驗步驟。監督分類一般有以下幾個步驟：定義分類模板、評價分類模板、進行監督分類、評價分類結果，下面將結合實例說明其詳細步驟。首先要根據原遙感圖顯示的土地利用類型，選擇樣本圖，本測區如圖1所示。

2.1定義分類模板：打開軟件 erdas 9.2，并且打開原始的遙感圖像，然后打開模板編輯器，進行Classification菜單的綜合設置。

2.2評價分類模板：可能性矩陣評價工具的使用方法為，首先在Signature Editor對話框中，在signature Editor中選擇所有類別，在菜單條Evaluation中打開Contingency Matrix對話框進行相應的設置，然后對評價分類模板進行評價，如果誤差矩陣值小于85%，則模板需要重新建立。

2.3行監督分類：選擇ERDAS圖標菜單條：Main→Image Classification→Classification 菜單下的Supervised Classification 菜單項，打開對話框后進行參數的設置，生成結果見圖2。

2.4分類結果的評價：首先打開在Viewer中打開分類前的原始圖像，然后在ERDAS 圖標面板菜單條打開Accuracy Assessment對話框中進行相應設置，設置完后就可以輸出分類評價報告了，結果見圖3。

通過對分類的評價，如果對分類精度滿意，保存結果。如果不滿意，可以進一步做有關的修改，如修改分類模板等，或應用其它功能進行調整， 此次試驗的分類精度為87%，符合要求。

五、結語

通過本文的研究發現，利用計算機分類要比傳統的目視法精度要高、速度要快，而且分類精度達到了87%，基本達到了分類的目的。但是還是有些地方區分的不是太好，這主要是由于本實例中影像資料分辨率較低，使用的分類方法也比較單一，所以想要獲得更加準確的結果，就必須建立多特征的遙感影像分類與提取模型，以此獲得更加準確的分類結果。

參考文獻：

[1] 駱劍承，周成虎，粱怡.基于尺度空間的分層聚類方法及其在遙感影像分類中的應用[J]，測繪學報，1999，2B（4）：319—324.

[2] 鄭蘭芬，王晉年.成像光譜遙感技術及其圖像光譜信息提取分析研究.環境遙感.

[3] 劉志剛.支撐向量機在光譜遙感影像分類中的若干問題研究武漢大學，2004.1992，7（1）：49～58.

[4] 鮑海英.李艷.趙萍輔以紋理特征的面向對象的遙感影像分類方法研究——以陜西省楊陵縣為例[期刊論文]-遙感信息 2009（4）.

[5] 王新輝.沈掌泉.王珂.賈春燕.凌在盈基于面向對象的香榧資源分布遙感調查研究[期刊論文]-科技通報 2009（2）.

作者簡介：葉滿珠（1984—），女，漢，陜西西安，陜西鐵路工程職業技術學院，工程師，圖像處理及解譯。