ErdasImagine_Методичка. Казанский государственный университет институт инновационных космических технологий лаборатория геоинформационных систем
 Скачать 7.57 Mb.
|
|
Центральные части городов Дороги Сухие почвы под паром В вашем классифицированном изображении могут встретиться дублирующиеся классы и смешанные классы. В дальнейшем, используя иные методы, вы научитесь исправлять такую ситуацию. 55 17. После того, как вы задали имена всех 15 классов, нажмите кнопку Save (Сохранить) и закройте редактор атрибутов (Attribute Editor). 18. На главной панели Erdas IMAGINE выберите Interpreter →GIS Analysis→Recode (Интерпретация →Гис-анализ→Перекодировка). На экране появится диалог Recode (Перекодировка). В окне укажите имя входного файла – xiso.img. Введите имя выходного файла – lanier_recorder.img. 19. Нажмите кнопку Setup Recode (Задание параметров перекодировки). На экране появилась перекодировочная таблица Thematic Recode. Именно здесь можно объединить некоторые подобные классы в более общие категории. Для начала, щелкнув по заголовку колонки Value (Значение), выберите все классы, которые можно объединить в класс Водные объекты. В колонке NewValue (Новое значение) введите 1 и затем нажмите Change Selected Rows (Изменить выделенные строки). Эта процедура позволит вам создать единый класс «Вода». Повторите процедуру, чтобы создать общие классы «Лес», «Трава», «С/х культуры», «Урбанизированная территория», «Почвы» и другие, с новыми значениями соответственно 2, 3, 4 и т.д. Нажмите ОК. 56 20. Внутри диалога Recorder нажмите ОК. следите за строкой состояния процесса и нажмите ОК после выполнения задания. 21. Откройте еще один Вьювер и загрузите изображение lanier_recorder.img используйте опцию Fit to Frame (Вписать в окно). 22. Обратитесь к редактору атрибутов (Raster →Attributes) и введите окончательные имена классов и итоговые цвета карты. Вопросы: 1. Для чего используются Signature Means (средние значения эталонов) 2. Почему классы созданного вами изображения имеют неяркие цвета? 3. Какой класс объектов занимает самую большую часть изображения) 57 У ПРАЖНЕНИЕ 11 СОЗДАНИЕ НАБОРА ЭТАЛОНОВ (S IGNATURE C OLLECTION ) О ЦЕНКА КАЧЕСТВА ЭТАЛОНОВ (S IGNATURE E VALUATION ) Цель упражнения: • Создание набора эталонов • Инструментарий AOI (область интереса) • Классификация с обучением • Инструментарий «выращивание из затравки» (Region Grow Properties) • Редактор эталонов (Signature Editor) • Гистограммы (Histograms), статистики (Statistics), профили (Profiles), характеристики разделимости (Separability) • Диаграммы средних значений спектральных яркостей (Signature Mean Plot Tools) • Оценка обучающих данных Данные: космический снимок tm_860516.img I. Создайте набор эталонов. 1. На панели инструментов Вьювера щелкните кнопку Open Layer (Открыть слой) и загрузите файл tm_860516.img, вписав его в окно Вьювера (Fit to Frame). 2.В меню Вьювера выберите AOI →Tools (Рабочая область→Инструменты) и AOI→ Seed Properties (Рабочая область →Определить параметры). С помощью появившегося диалога, используя рабочие области (AOI) вы сможете создать эталоны. 3. На Главной панели Erdas IMAGINE выберите Classifier →Signature Editor (Классификация →Редактор эталонов). На экране появится диалог, содержащий таблицу CellArray создаваемых эталонов. 58 4. Внутри Вьювера визуально выберите водный объект, которой можно считать примером (эталоном) подобных объектов. 5. Выберите кнопку Create Polygon AOI из набора инструментов Рабочей области. Как только вы переместите курсор на изображение во Вьювере, обычный курсор превратится в крестообразный. 6. Установите курсор на берегу и начните оцифровывать полигон, щелкая левой кнопкой мыши. Каждый щелчок левой кнопкой мыши будет соответствовать формирующей контур точке. Чтобы закончить оцифровку полигона, щелкните дважды левой кнопкой мыши. Вы выделил пример водной поверхности. 7. В редакторе эталонов (Signature Editor) выберите кнопку Create New Signature(s) from AOI (Создать новый эталон из рабочей области) или используйте пункт меню Edit →Add (Редактировать→Добавить). Таким образом, область снимка, выделенная с помощью AOI, спектральные характеристики пикселов этой рабочей области будут добавлены в редактор эталонов. 59 8. Используйте редактор, чтобы задать имя первого класса (Class1). Для этого в текстовом поле введите имя эталона – Water1. Для использования в качестве эталона в классификации нужно выделить одну или несколько рабочих областей. Повторите процесс, добавив еще четыре эталона, представляющих разные классы ландшафта и использования земель. 9. Из набора инструментов работы с рабочей областью (AOI) выберите кнопку Region Grow AOI (Выращивание «из затравки»). Теперь, если вы переместите курсов на изображение во Вьювере, то увидите, что он имеет крестообразный вид. Переместите курсор в центр любого другого из озер. Щелкните по клавише, чтобы запустить процесс «выращивание полигона из пикселя-затравки». 10. Область, только что выращенная из затравки, достаточно мала, поскольку значение Spectral Euclidean Distance (Евклидово расстояние в пространстве спектральных характеристик) в диалоге Region Growing Properties (Свойства инструмента «выращивание из затравки») по умолчанию равно 1. Измените это значение на 5 и нажмите кнопку Redo (Перестроить с новыми параметрами, используя тот же пиксель в качестве начального). 11. После ввода нового значения евклидового расстояния будет вычислен регион. Обратите внимание, как влияет эта величина на форму и размер региона; измените значение евклидового расстояния на 10 и проанализируйте произошедшие изменения. 60 12. Построенный вами регион будет использоваться в качестве эталона в классификации. В Редакторе Эталонов (Signature Editor) выберите кнопку Create New Signature (Создать новый эталон). Эта операция добавит информацию о спектральных характеристиках пикселов в переделах области интереса (AOI) в Редактор Эталонов. После добавления назовите новый класс Water2. 13. Повторите процесс «выращивания региона из затравки» и добавьте еще несколько эталонов, представляющих различные типы ландшафта. Не дублируйте классы из первого набора эталонов. 14. В меню Редактора Эталонов выберите File →Save (Файл→Сохранить). Назовите сохраняемый файл tm_860516.sig. Нажмите ОК II. Оцените качество созданного набора эталонов 15.Файл эталонов tm_860516.sig должен быть открыт в Редакторе Эталонов (Signature Editor). Выберите два класса, совершенно отличные друг друга по спектральным характеристикам. Например, это может быть класс лесов (Forest) и класс лугов с травой (Grass) выберите строки с этими классами (подсветите их желтым цветом). 16. Нажмите на кнопку Display Histogram Window (Вывести на экран окно с гистограммами) и перед вами появится диалоговое окно работы с гистограммами (Histogram Plot Control Panel). В этом окне щелкните кнопки All Selected Signature (Все выбранные гистограммы) и All Bands (Все каналы съемки), а затем нажмите кнопку Plot (Нарисовать график). 17.Измените размер и расположите диалоговые окна так, чтобы открытые Вьюеры и диалоговые окна были доступны одновременно. Графики на экране содержат по две гистограммы, причем, цвет гистограммы соответствуют цвету эталона. В каких спектральных зонах вы видите смешение эталонов? В каких они различаются лучше? 61 18.Из таблицы, приведенной ниже, выберите описания для ваших гистограмм: Вид гистограммы Интерпретация Би-модальная Гистограмма, позволяющая предположить, что эталон содержит 2 достаточно неоднородных класса (смешанный эталон) Нормальное распределение Идеальный эталон, без смешанных пикселов Очень узкий диапазон распределения Слишком маленький размер эталона, не представляющий типичных черт классифицируемого объекта Очень широкий диапазон распределения Возможно, это слишком разнородный пример, где искомый класс смешан с другими объектами 19.Удалите все окна с гистограммами, нажав кнопку Close (Закрыть) в диалоге Histogram Plot Control Panel. 20.Просмотрите на экране статистические характеристики (статистики) эталонов – это поможет вам определить, какие слои выбранных эталонов содержат перекрытия в пределах правила параллелепипеда. Убедитесь, что один из эталонов, который вы просматривали в Редакторе Эталонов помечен с помощью индикатора (<). Вы можете изменить положение эталона просто щелкнув по соответствующей ячейке таблицы. В окне Редактора Эталонов нажмите на кнопку Display Statistics Windows (Отобразить статистическую информацию) – на экране появится диалог Statistics (Статистика). Статистическая информация будет меняться вместе с перемещением индикатора в Редакторе эталонов с одного на другой выбранный класс. 62 21.Возможно, два эталона содержат области нежелательных перекрытий. Исправить такую ситуацию можно двумя путями: А) Удалить эталон и создать его заново, используя инструментарий работы с областями интереса (AOI); Б) Поправить параметры эталона, выбрав в меню Редактора Эталонов команду Edit →Parallelepiped Limit (Редактировать→Изменить пределы «параллелепипеда»). Введите новый верхний (Upper) и нижний (Lower) пределы в текстовых полях или нажмите Set (Установить), чтобы изменить и другие опции. 22.Закройте диалог статистики, нажав Close. 23.Выберите четыре класса в Редакторе Эталонов, подсветив строки желтым цветом. Объекты должны иметь отличные друг от друга спектральные характеристики. 24.На панели инструментов Редактора Эталонов выберите кнопку Display Mean Plot Windows (Вывести на экран график средних значений) и на экране появится график средних значений (Signature Mean Plot). 25.Чтобы увидеть все эталоны, выбранные желтым цветом в Редакторе Эталонов, нажмите кнопку Switch Between Single and Multiple Signature Mode (Показать средние значения по одному или нескольким эталонам). Таким образом, вы сможете увидеть средние значения одного или нескольких эталонов по каждому каналу съемки. 63 26. Переместите курсор на диаграмму средних значений (Mean Plot). Наведите курсор на точку излома на графике, отвечающую определенному эталону и спектральному значению. В строке состояния можно увидеть точное значение среднего по эталону спектральной яркости. 27. Вы ознакомились с различными возможностями оценки ваших эталонов. Вернитесь к файлу эталонов и отредактируйте ваши эталоны одним из следующих способов: • Удалите эталон и создайте его заново; • Измените пределы параллелепипеда для эталона; • Определите, какие смешанные классы не могут быть разделены и что нужно с ними сделать: создать из этих нескольких классов один или передать их, используя Feature Space. 28.Сохраните полученные эталоны в файле tm_860516.sig. Вопросы: 1. Каковы преимущества использования способа получения эталона методом "выращивания" перед ручной рисовкой эталонов? 2. В каких спектральных зонах мы видим смешение эталонов? А в каких они различаются лучше? 3. В каких из сени каналов перекрываются два или более эталонов? 4. Как можно распечатать статистические таблицы CellArry? 5. В каких каналах диаграммы средних значений наиболее близки, и каков смысл использования этих каналов в классификации? 6. В каких диапазонах съемки диаграммы больше всего различаются? 7. Каково среднее значение каждого эталона в канале с максимальной дивергенцией? 64 У ПРАЖНЕНИЕ 12 К ЛАССИФИКАЦИЯ С ОБУЧЕНИЕМ ( ПО ЭТАЛОНАМ ) (S UPERVISED C LASSIFICATION ) Г ЕНЕРАЛИЗАЦИЯ ПОЛИГОНОВ , ПОЛУЧЕННЫХ В РЕЗУЛЬТАТЕ КЛАССИФИКАЦИИ (G ENERALIZING P OLYGONS ) Цель упражнения: провести классификацию многозонального снимка на основе созданных прежде эталонов, методом наибольшего правдоподобия. Провести генерализацию полигонов тематического растра, удалив мелкие полигоны. Познакомиться со следующими понятиями и терминами: • Файл эталонов • Параметрические правила классификации • Классификация методом максимального подобия • Классификация с обучением • Генерализация полигонов • Процедуры Clump, Eliminate • Копирование атрибутов изображений Входные данные: • космический снимок tm_860516.img • файл эталонов tm_860516.sig I. Классификация по эталонам. 1. Обратитесь к Главной Панели Erdas IMAGINE и выберитеClassifier →Supervised Classification (Классификатор →Классификация по эталонам). Введите имя входного файла – tm_860516.img, имя файла эталонов – tm_860516.sig. Имя выходного файла классифицированного изображения Classified File обозначьте как tm_860516_superv.img. 2.Отметьте опцию Output Distance File (Выходной файл расстояний) и введите имя tm_860516_dis.img в строке File Name (Имя Файла). 65 Создаваемый файл расстояний (Output Distance File) потребует значительного места на диске компьютера. Если на диске не достаточно места, откажитесь от создания файла расстояний. В таком случае, вы пропустите с 3 по 5 пункты данного упражнения, где этот файл и исходный файл отображаются во Вьювере. 3. Используйте принцип (Parametric Role) максимального правдоподобия (Maximum Likelihood) в качестве параметрического правила классификации. Если во время выполнения классификации были выбраны некоторые эталоны в Редакторе Эталонов (Signature Editor), то выходной файл классификации будет основан только на выбранных эталонах. Используйте установки, предложенные по умолчанию и нажмите ОК. 4. Когда процесс выполнения задания завершен, нажмите ОК в окне со строкой состояния процесса. В меню Вьювера щелкните View → Split → Split (Вид→ Разделить→ Разделить). В окне Split Viewer (Разделить Вьювер на несколько частей) в строке Number of Windows (Количество окон) введите 3.Затем, отобразите во Вьюверах изображения tm_860516_superv.img, tm_860516_dis.img и исходное изображение, используя опцию Fit to Frame (Вписать изображение в окно). 5.Проверьте качество полученного тематического растра, используя файл расстояний. Файл расстояний представляет собой копию классифицируемого изображения, но пиксели у него имеют значения указывающие расстояние от значения классифицируемого пикселя до среднего значения класса к которому он отнесен. Чем больше это расстояние, тем больше вероятность, что пиксель был классифицирован неправильно. 66 Рис.1 Рис.2 Качество классификации в файле расстояний на изображении отображается яркостью пикселя. Посмотреть значение яркости можно щелкнув кнопку Inquire Cursor. На рисунке 1 перекрестье установлено на пиксель черного цвета и его значение равно нулю (LUT VALUE). На рисунке 2 перекрестье установлено на пиксели белого цвета и его значение максимально для файла расстояний – 255,0. 6. Определите эталоны, содержащие наибольшее количество неправильно классифицированных пикселей. Используйте для этой цели все известные вам инструменты. II Генерализация полигонов 8.Отобразите во Вьювере изображение tm_860516_superv.img. 9. На главной панели IMAGINE выберите Interpreter →GIS-Analysis→Clump (Интерпретация →ГИС_Анализ→Кламп). На экране появится диалог Clump. Введите имя входного (Input file) файла tm_860516_superv.img, имя выходного файла (Output file) файла - tm_860516_clump.img. Количество связанных соседних пикселей (Connected Neighbors) уменьшите до 4. Нажмите ОК. 10.После завершения процедуры Clump откройте во Вьювере tm_860516_clump.img. Этот файл представляет собой полутоновое изображение, причем с переходом от темного к светлому сверху вниз. 67 11.После завершения процедуры Clump вы приступите к генерализации полигонов, путем поглощения слишком маленьких полигонов их ближайшими соседями. Выберите Interpreter →GIS-Analysis→Eliminate (Интерпретация→ГИС_Анализ→Исключить). В появившемся диалоге Eliminate введите имя исходного (Input File) файла tm_860516_clump.img, имя выходного (Output File) файла tm_860516_eliminate.img. Задайте величину минимального поглощаемого полигона в окне Minimum (Минимальный размер), установите эту величину равной 10 пикселей. Нажмите ОК. 12.В трех отдельных Вьюверах откройте tm_860516_eliminate.img, tm_860516_superv.img и исходное изображение tm_860516.img. 13. Откройте редактор атрибутов (Attribute Editor) для файлов tm_860516_eliminate.img и tm_860516_superv.img. Скопируйте цвета из файла эталонной классификации в редактор атрибутов (Attribute Editor) изображения tm_860516_eliminate.img. Для нажмите в меню редактора атрибутов Edit →Merge (Редактировать→Связать) |