新浪博客

erdas影像分类的后期处理

2013-12-27 14:17阅读：

http://blog.sina.cn/dpool/blog/u/2509412837

聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。从机器学习的角度讲，聚类是搜索簇的无监督学习过程。与分类不同，无监督学习不依赖预先定义的类或带类标记的训练实例，需要由聚类学习算法自动确定标记，而分类学习的实例或数据对象有类别标记。聚类是观察式学习，而不是示例式的学习。

聚类统计(Clump)是通过计算每个图斑的面积、记录相邻区域中最大图斑面积的分类值等操作，根据相似性，产生一个Clump类组输出图像。
erdas影像分类的后期处理



去除分析Eliminate是用于删除原始分类图像中的小图斑或Clump聚类图像中的小 Clump类组，与sieve命令不同，将删除的小图斑合并到相邻的最大的分类当中，而且，如果输入图像是 Clump聚类图像的话，经过Eliminate处理后，将小类图斑的属性值自动恢复为Clump处理前的原始分类编码。显然， Eliminate 处理后的输出图像是简化了的分类图像。
erdas影像分类的后期处理


分类重码（Recode）
作为分类后处理命令之一的分类重编码，主要是针对非监督分类而言的，由于非监督分类之前，用户对分类地区没有什么了解，所以在非监督分类过程中，一般要定义比最终需要多一定数量的分类数；首先是将专题分类图像与原始图像对照，判断每个分类的专题属性，然后对相近或类似的分类通过图像重编码进行合并，并定义分类名称和颜色。当然，分类重编码还可以用在很多其它方面，作用有所不同。


ERDAS 图标面板菜单条：Main→Image Interpreter→GIS Analysis

我的更多文章

下载客户端阅读体验更佳

APP专享