基于Erdas软件的遥感影像土地利用现状分类研究

叶满珠 廖世芳 王建兴

摘 要：目前的光谱遥感技术在很多方面都有了较大的发展，获取的遥感数据也日益增多。分类是人们从遥感影像中提取有用信息的重要途径之一。本文选取某地的遥感图像，运用erdas软件的监督分类方法，对该地区的土地利用现状进行了分类，并对分类结果进行了评价，评价结果良好。

关键词：遥感 特征提取 监督分类

一、 引言

作为采集地球光谱数据及变化的一种技术手段，遥感已经具有了非常悠久的历史，遥感数据已经被广泛的应用到土地利用等各个领域 。目前遥感技术中的一个重要研究内容集中在遥感影像分类领域，提高分类精度的主要方法是合理的选择分类方法，本文选择erdas软件自带的监督分类对某测区遥感影像土地利用现状分类进行了研究。

二、 计算机遥感图像分类方法

1. 监督分类。首先需要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，建立判别函数，据此对样本像元进行分类，依据样本类别的特征来识别非样本像元的归属类别。缺点是操作者所选择的训练样本有可能不是很典型的样本，有可能造成样本缺乏代表性，造成分类结果不准确。

2. 非监督分类。由于不同的地物具有不同的光谱特征，可将其归属于不同的类，这是非监督分类的理论依据。该分类的方法主要是通过系统聚类来进行的。主要算法有ISODATA法、分级级群法和K-均值算法等。由于非监督分类具有受人为因素的影响较少，根据地物的光谱特征进行分类，操作简洁，算法稳定，所以被广泛应用于多个领域。

3. 多特征方法。影像特征包括地物光谱特征，几何特征，纹理特征，空间特征，语义特征，区域地学特征和干扰特征等 。近年来引入了许多新的方法，如模糊集 、神经网络分类器等，在影像分类精度等方面有不少改进，但是其所能获得的结果信息依然十分有限，且处理结果中往往会存在很多小斑块。因此，面向对象的遥感影像分类方法正在受到越来越多的重视。

三、遥感图像的处理流程

遥感图像处理的一般流程包括图像预处理，辐射处理，图像分类，评价等几个方面。

1. 图像预处理。主要包括几何校正、图像拼接、图象分幅裁剪，几何校正就是在解译遥感图像时，必须将其与其他地理坐标相匹配。处理的方法包括粗加工处理和多项式拟合精加工处理。图像拼接与裁剪的目的是生成合适大小的影像，为图像处理做铺垫。

2. 辐射处理。辐射处理包括辐射校正和辐射增强，由于传感器输出的能量中受到各方面误差的影响，使得传感器接收到的电磁波辐射与目标本身辐射的能量之间存在偏差，造成的失真，所以必须进行辐射校正；辐射增强是为了突出研究区域，增强研究目标和其他影像间的反差。

3. 图像分类与评价 。常用的遥感影像的自动分类判读方法有决策理论方法（统计方法）和结构法两种。决策理论方法是被识别的模式中，提取一组反映模式属性的测量值，并将模式特征定义在一个特征空间中，利用统计原理对特征空间来区分有不同特征的模式，达到分类的目的。

四、 遥感图像计算机分类实验研究

1. erdas 9.2 软件介绍 。ERDAS IMAGINE是美国ERDAS公司开发的遥感图像处理系统， 它可以面向不同需求的用户，对于系统的扩展功能采用开放的体系结构，并有丰富的功能扩展模块提供用户选择，使产品模块的组合具有极大的灵活性。

2. 实验步骤。监督分类一般有以下几个步骤：定义分类模板、评价分类模板、进行监督分类、评价分类结果，下面将结合实例说明其详细步骤。首先要根据原遥感图显示的土地利用类型，选择样本图，本测区如图1所示。

2.1定义分类模板：打开软件 erdas 9.2，并且打开原始的遥感图像，然后打开模板编辑器，进行Classification菜单的综合设置。

2.2评价分类模板：可能性矩阵评价工具的使用方法为，首先在Signature Editor对话框中，在signature Editor中选择所有类别，在菜单条Evaluation中打开Contingency Matrix对话框进行相应的设置，然后对评价分类模板进行评价，如果误差矩阵值小于85%，则模板需要重新建立。

2.3行监督分类：选择ERDAS图标菜单条：Main→Image Classification→Classification 菜单下的Supervised Classification 菜单项，打开对话框后进行参数的设置，生成结果见图2。

2.4分类结果的评价：首先打开在Viewer中打开分类前的原始图像，然后在ERDAS 图标面板菜单条打开Accuracy Assessment对话框中进行相应设置，设置完后就可以输出分类评价报告了，结果见图3。

通过对分类的评价，如果对分类精度满意，保存结果。如果不满意，可以进一步做有关的修改，如修改分类模板等，或应用其它功能进行调整， 此次试验的分类精度为87%，符合要求。

五、结语

通过本文的研究发现，利用计算机分类要比传统的目视法精度要高、速度要快，而且分類精度达到了87%，基本达到了分类的目的。但是还是有些地方区分的不是太好，这主要是由于本实例中影像资料分辨率较低，使用的分类方法也比较单一，所以想要获得更加准确的结果，就必须建立多特征的遥感影像分类与提取模型，以此获得更加准确的分类结果。

参考文献：

[1] 骆剑承，周成虎，粱怡.基于尺度空间的分层聚类方法及其在遥感影像分类中的应用[J]，测绘学报，1999，2B（4）：319—324.

[2] 郑兰芬，王晋年.成像光谱遥感技术及其图像光谱信息提取分析研究.环境遥感.

[3] 刘志刚.支撑向量机在光谱遥感影像分类中的若干问题研究武汉大学，2004.1992，7（1）：49～58.

[4] 鲍海英.李艳.赵萍辅以纹理特征的面向对象的遥感影像分类方法研究——以陕西省杨陵县为例[期刊论文]-遥感信息 2009（4）.

[5] 王新辉.沈掌泉.王珂.贾春燕.凌在盈基于面向对象的香榧资源分布遥感调查研究[期刊论文]-科技通报 2009（2）.

作者简介：叶满珠（1984—），女，汉，陕西西安，陕西铁路工程职业技术学院，工程师，图像处理及解译。