1． 实验目的 学习并掌握遥感图像的另一种计算机分类方法，即非监督分类，通过上机实习加深对该方法的理解以及会运用该方法处理一些遥感图像。 2． 实验准备工作 获取一幅遥感图像，理解遥感图像非监督分类处理的理论内容，阅读实习手册中相关内容，熟悉非监督分类处理的方法和步骤。 3． 实验步骤 第一步：进入ERDAS IMAGINE界面环境，打开一个Viewer窗口 并导入图像，并对其进行预处理（几何校正）（如图1） 图1 第二步：非监督分类处理。
（1） 第一步：调出非监督分类对话框：在ERDAS 图标面板工具条中点击 Classifier图标→Classification→Unsupervised Classification → Unsupervised Classification对话框如下，并设置参数。（如图2） 图2 说明：确定输入、输出、输出模板文件名及其路径，分类类别数目（Number of Class）:20以及最大循环数(Maximum Ltertions)：18，其余默认。 （2）非监督分类处理并输出其结果。（如图3）
图3 (3)区分不同不同地物。（如图4、5、6、7、8） ①打开分类后图像的生活属性对话框，为不同类别赋予不同颜色（分组进行）。 ②将原图与分类后的图像进行叠加，辨别区分不同类别所表示的地物。 ③在属性表中合并相同地物，写出地物名。 ④对照比较分类处理前后的区别。 图4 说明：点击工具条中的Raster中的Attributte打开属性对话框。
图5 说明：首先导入原图像，然后点击File→Open→RasterLayer→Raster Option划去Clear Disaplay，最后导入分类后的图像。 图6 说明：点击工具条中的Utility中的Swipe,即重叠两幅图像，对照原图区分合并不同地物。
图7 说明：分类后的各种地物的颜色和名称。 图8 说明：分类前后图像的比较，
4． 实验数据分析与结论（可另附文字材料） 实验数据分析：（1）通过分类前后图像的比较，发现非监督分类后的图像 容易区分不同地物。 （2）分类过程中存在错分漏分现象，分类后的图像同一种地物属于不同类别，造成同种类别中有多种地物。 实验结论：（1）非监督分类直接对输入的数字图像像无数值（亮度值）进行统计运算处理，分别将每个像元归纳到由图像各波段构成的多维空间中的集群中，达到分类识别的目的。 （2）非监督分类不需要更多的先验知识，根据地物的光谱统计特性进行分类，客观真实。因此，非监督分类方法简单，而且具有一定的精度。 5． 实验收获及需要解决的问题 实验收获：（1）对非监督分类处理遥感图像方法有了总体上的认识，基本上掌握该方法的具体操作步骤，会用该方法处理一些遥感图图像。 需要解决的问题：（1）如何减少非监督分类过程中出现的错分漏分现象，使分类后的图像更加精确，信息量更加丰富。 （2）课后应进一步熟练该方法操作步骤以及遥感图像的预处理方法。 6． 指导教师评语 教师签名： 年 月 日 备注：
因篇幅问题不能全部显示，请点此查看更多更全内容