Классификация в по ERDAS IMAGINE

Автоматическая классификация в ПО Erdas Imagine на основе данных дистанционного зондирования Земли – космических снимков Landsat.

Классификация выполнена не на весь снимок, а только на исследуемую часть – территорию Висимского заповедника Свердловской области. Для этого часть снимка сохранена в формате .img в виде растровой маски.

В меню «Multispectral» в группе «Subset & Chip» выбрано «Мask». В открывшемся окне в группе «Input File» указан путь к исходному файлу. Затем заданы путь и имя для сохранения выходного файла. Далее на экране вручную указана прямоугольная область и нажата кнопка «Ок».

Классификация выполнена следующим образом:

  1. Загружена часть снимка через меню «File – Open – Raster Layer».
  2. На вкладке «Unsupervised» в меню «Raster» выбрано «Unsupervised Classification».
  3. В открывшемся окне указан выходной файл в группе «Output Cluster», выбран метод классификации – K Means, также задано число классов – 36.
  4. Нажав кнопку «Color Scheme Options» открыто окно параметров цвета схемы, в котором заданы цвета для выходных классов.
  5. После нажатия кнопки «Ок» запущен процесс автоматической классификации. Результат представлен на рисунке 1.
  6. Полученное изображение визуально соответствует входному изображению, однако теперь оно содержит только 36 цветов (классов).
  7. Для перекодирования классификации с целью очистки и устранения отдельных пикселей в меню «Raster» выполнено «Thematic tab – Statistical Filtering».

Следующий этап – переименование классов в соответствии с их назначением. Назначение каждого класса определено визуально. В списке слоев выбран результат классификации и правой кнопкой мыши открыта таблица атрибутов. Далее вручную переименованы классы. Водные объекты, пожарища, вершины гор (скалы), населенные пункты и дороги определены по изображению исходного снимка быстро и однозначно.

Результат автоматизированной классификации

Рисунок 1 – Результат автоматизированной классификации

По результатам классификации получилось, что растительности соответствует 27 классов. Используя карту лесоустройства все эти классы переименованы по породам деревьев. Легенда карты представлена на рисунке 2

Легенда карты лесоустройства

Рисунок 2 – Легенда карты лесоустройства

В результате оказалось, что большинство классов растительности выполнены с ошибками, главной из которых является рассредоточение пикселей по всей территории, хотя они должны быть сконцентрированы на небольшом участке. Но если учесть, что задачей работы является анализ пожарищ, с которым классификация справилась успешно, то результат классификации растительности является приемлемым.

Таблица с переименованными классами представлена на рисунке 3.

Таблица классификации с переименованными классами

Рисунок 3 – Таблица классификации с переименованными классами

Автор: Николаева А., магистрант 1 года обучения по направлению «Землеустройство и кадастры» ННГАСУ

Поделиться
  •  
  •  
  •  
  •  
  •  
  •