ErdasImagine_Методичка

18. Из таблицы, приведенной ниже, выберите описания для ваших гистограмм:

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.

61

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.

62

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?

63

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.

65

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)

67

Вопросы:

1.Для чего используется файл расстояний – Distance File?

2.Какая разница между параметрическим и непараметрическим эталоном?

3.Остались ли какие-нибудь классы, которые не выделились в результате вашей классификации с обучением, несмотря на то, что вы этого ожидали?

4.Каким путем вы пойдете, если столкнетесь с неточно заданными эталонами и необходимостью редактирования этого файла?

5.Если бы ввели значение 8 как число связанных соседей (Connected neighbor) удалось бы вам, используя операцию Кламп исключить из тематического изображения большинство случайных и слишком маленьких полигонов?

6.Каково значение пиксела и какой класс объектов он представляет?

7.Почему это полутоновое изображение оттенено от темного к светлому?

8.Что собой представляет самый большой отдельный регион этого изображения?

9.Используя информацию о размере пиксела изображения в Image Info, скажите, каков размер самого большого полигона в квадратных километрах?

10.Операция Кламп используется для исключения некоторых полигонов. На каком принципе базируется операция заполнения значениями области удаляемого полигона - основываясь на информации об "одном соседе" или пропорционально "всем соседям" "клампируемого" полигона?

69