招专业人才，上一览英才！
快捷登录：
快速登录：
您当前所在的位置：
C/C++遥感图像处理软件工程师
温馨提示：一览英才网严格审核企业资质，企业若在招聘过程中以任何名义收取求职者费用，均为违法行为，请及时向我们举报欺诈行为。感谢支持！
C/C++遥感图像处理软件工程师
专业要求：
学历要求：不限
工作经验：不限
薪资待遇：面议
招聘人数：3
招聘对象：
更新日期：
有效期：长期有效
年龄要求：
外语要求：
提供食宿：面议
工作地点：
北京-海淀区
航天星图科技（北京）有限公司，ImageInfo（Beijing）Co.Ltd，前身为北京星图环宇科技有限公司，成立于2003年，是专门从事遥感信息挖掘和时空可视化的高新技术企业。多年来，公司通过不断的创新拼搏取得了令人瞩目的辉煌业绩，已成为中国遥感图像及空间可视化技术应用的领先者。
　　公司自成立以来，立足自主创新，现已拥有遥感领域多项先进的信息处理核心技术和一支工程化软件开发队伍，具有关键技术研究、系统开发、硬件集成和增值服务一体化能力。
　　航天星图科技（北京）有限公司拥有多项遥感信息挖掘的核心技术，其中包括遥感信息智能化处理技术、动态遥感信息快速和实时处理技术、时空物理场可视化分析技术和海量空间信息协同应用技术等。成功开发了智能化RS+GIS软件&遥感信息处理与分析系统ImageinforRS-Pro、数据管理与共享软件ImageinfoWorld和TouchWorld、数字三维监控系统3D Monitor，以及公司自主研发的软硬件结合、集公司多项核心技术于一体，为无人机信息处理提供全面解决方案的无人机信息处理系统UAV-Pro。
　　近年来，航天星图以雄厚的技术实力和良好的信誉独立主持或参与了多项国家863、973以及军事预研和科研项目，完成了在国防、气象、海洋、水利等行业的多项遥感应用项目和工程，为遥感应用、灾害应急、无人飞行器信息处理、数字安防和水利建设等多个领域提供了全方位的信息处理和应用解决方案。
个人会员登录后才能查看
经营性网站备案信息
公共信息网络安全监察
一览英才网投诉电话:5国内外遥感图像处理软件大比拼_滚动新闻_科技时代_新浪网
国内外遥感图像处理软件大比拼
　　数据处理方兴未艾，遥感之路无止境
　　-----国内外遥感图像处理软件大比拼
　　近几年遥感图像获取技术的不断进步，为地理空间研究和应用提供了更广阔、更丰富的数据资料;而这些宝贵的数据能否发挥价值、发挥多大价值，则取决于从遥感数据到可利用信息的转换过程。
　　专业的地理空间研究人员，可以从影像中获得尽可能多和足够可靠的数据信息，并能够用获得的信息制定最佳的决策方案。而一个好的决策方案的诞生，并非单是考察一个人的分析决策能力，也要考察一个人的数据转化技巧和能力。从某种程度上说，将遥感数据转化为可利用的信息，是一个好的决策的依据，也是其根本。
　　遥感数据的价值挖掘，也正是遥感图像处理软件责无旁贷的事情。一个好遥感图像处理软件的使命，就是为图像处理工作者提供最好的工具，帮助他们将空间数据转为有效信息。
　　目前，国内市场上主流的遥感图像处理软件主要是国际上最通用的有加拿大PCI公司开发的PCI Geomatica、美国 ERDAS
LLC公司开发的ERDAS Imagine以及美国 Research System INC公司开发的ENVI;而RSIES、IRSA、SAR INFORS
、CASM ImageInfo等国产遥感图像处理软件也在以其独特的本土化优势冲击着遥感图像处理软件市场。
　　总体上而言，国内遥感图像处理软件价格相对较低，操作流程和界面也容易被国内的客户所接受，但起步较晚，功能设计上尚未成熟，在短时间内还难以满足大型的地理空间研究需求。如果不介意花上一点时间来适应国外遥感图像处理软件的操作习惯，那么，笔者还是认为国外软件的功能相对强大一些，产品也相对比较成熟，个人认为更值得推荐。
　　以加拿大PCI公司的旗帜产品PCI Geomatica为例，目前PCI
Geomatica已经集成了遥感影像处理、专业雷达数据分析、GIS/空间分析、制图和桌面数字摄影测量系统，成为一个强大的遥感数据生产工作平台。随着每一次的版本优化和升级，PCI
Geomatica很好地执行着“为图像处理工作者提供最好的工具，帮助他们将空间数据转为信息”的使命。
　　作为图像处理软件系统的先驱，PCI Geomatica以其独有的优势始终引导着遥感图像处理软件的潮流。PCI
Geomatica取得了常见商用卫星的飞行轨道及传感器参数，支持严格的卫星轨道模型，能获得高精度的正射校正结果，是目前所有图像处理软件中正射处理效果最好、精确度最高的遥感图像处理软件;在专业级主模块中就集成了其它软件所没有的大气/云雾校正算法，提供专门的AVHRR处理工具;PCI
Geomatica独具特色的雷达图像处理功能，支持雷达原始信号数据的处理。
　　与ERDAS和ENVI相比，PCI
Geomatica长于数据处理;而ERDAS和ENVI在数据融合以及针对像元处理的信息提取等方面则表现较为突出。这些优势也是国产遥感数据处理软件难以比拟的。
　　而随着遥感数据在各行业的深入应用，对于遥感数据的挖掘和价值实现的广度和深度的要求日益提升。各厂商也不断在固有优势和产品功能上大做文章，产品的更新速度也是互不相让。这不，本月底PCI又有新产品要跟大家见面了!
　　据悉，PCI本月底即将在国内发布的新版本Geomatica 10.2
在系统稳定性、性能、可用性以及功能等方面都得到了很大提高。新版本产品集成了多个独立模块的功能，使得软件的功能更加人性化。集成后的系统主模块，成为一个集遥感图像、矢量数据管理和处理以及三维浏览、制图于一身的影像处理系统;正射纠正模块集成后，将能够支持新型传感器处理模型的卫星/雷达数据正射纠正，并支持大规模影像正射生产和DEM自动提取。
　　作为图像处理软件系统的先驱，PCI的新版产品固然是值得期待的。PCI
Geomatica中国地区独家产品代理商北京天目创新科技有限公司透露，在月底的发布会上，将会有新版Geomatica 10.2 系统演示。
电话：010-
不支持Flash您的位置：
各个遥感软件综合评价 &
一、遥感软件简述&&&&&&&&&
在当今遥感图像处理软件中，国际上最通用的有加拿大 PCI公司的PCI Geomatica、美国 ERDAS&&LLC公司的ERDAS Imagine以及美国 Research System INC公司的ENVI；国产遥感图像处理软件主要有原地矿部三联公司的RSIES、国家遥感应用技术研究中心的IRSA、中国林业科学院与北大遥感所联合的SAR INFORS 以及中国测绘科学研究院与四维公司联合的CASM ImageInfo。&&
上述软件各有特点，但相比之下又都有功能上的缺陷。总体上，国外软件的功能相对强大一些，但界面不太适合国人的习惯，坐标系缺少国内通用的/西安坐标系，比较难学，且价格较昂贵；国产软件具有界面友好、价格便宜、容易掌握等特点，但相比之下功能有待于进一步完善。近10年对遥感软件的使用告诉我，PCI更适合于影像制图，ERDAS的数据融合效果最好，ENVI在针对像元处理的信息提取中功能最强大。而国产软件中，RSIES在地质调查的简单遥感解译中可以应用，IRSA可以进行一些常规的图像处理工作，SAR INFORS是专门针对成像雷达开发的软件，CASM ImageInfo是国产遥感软件中相对较好的了。&&
二、第二轮全国土地调查对遥感软件的要求&&
根据国土资源部的工作部署和国务院的批复，我国将在2006年-2010年开展全国性的第二轮土地调查。这是一项规模宏大的工程，预计总投资近150亿元。主要任务是，按照土地利用分类国家标准，采用遥感等高新技术，对全国范围内每块土地进行实地调查，查清我国耕地、林地等农用地和工业、住宅、交通等建设用地以及各类未利用土地的面积、分布和利用等状况；查清全国城乡土地的集体土地所有权、建设用地使用权以及国有土地使用权状况；查清全国基本农田数量、分布和利用状况；查清城乡存量建设用地资源的数量及分布状况；查清全国耕地后备资源数量及分布状况；最后建立国家、省、市、县四级土地调查数据库及管理系统。&&
第二轮全国土地调查一般采用1：1万比例尺。但林区、林区、荒漠、无人区为1：2.5万-1：5万；城镇内部与独立工矿用地采用1：000。利用的遥感信息源主要有航片、SPOT-5、IKONOS、Quick Bird以及尖三等。&&
针对第二轮全国土地调查情况，合适的遥感软件是极其重要的。主要要求有如下几点：&&
1、同时支持通用图像格式（tiff/Geotiff等）、遥感软件格式（PCI的*.pix/ENVI的*.evi/ERDAS的*.img等）、卫星数据格式（包括SPOT/IKONOS/Quick Bird以及TM/ETM+）等多种栅格文件以及通用的矢量格式（*.E00/Coverage），确保各种文件格式的交换方便进行，为最终全国范围内提交统一的成果资料以及国家、省级数据库的集成提供基础。&&
2、具备方便的波段组合、大气校正、地形校正、坏线处理、噪声消除、头文件编辑、色彩调整、亮度对比度调整、锐化处理、数据可视化与缩放、软件内部存储与视窗存储等常规图像处理功能，这是遥感图像处理中最基本的操作。&&
3、具有图像-图像与图像-地图两种影像纠正/配准功能，纠正模式多样，算法准确；具备基于航摄高度、焦距等参数或利用DEM的正射纠正功能；具备专门针对SPOT-5、IKONOS或Quick Bird卫星的影像纠正模块。任何遥感图像（数据）都必须进行配准/纠正处理，尤其是通过编程获取的、侧视角较大的卫星图像，纠正难度很大。影像纠正/配准功能是遥感图像几何精度的根本保证。&&
4、具备乘法、HIS、主成分分析等多样的、算法先进、效果极佳的数据融合功能。第二轮土地调查拟定使用的遥感信息源，无论是SPOT-5，还是IKONOS或Quick Bird，都存在高分辨率的全色波段与相对较低的多波谱数据的融合问题。因此，良好的数据融合功能是第二轮土地调查对遥感软件的必须要求。&&
5、具备自动色彩平衡、接边线无限制羽化等两景或多景数据自动镶嵌功能。对于航片处理，每一幅1：1万标准图幅的影像都由多张航片拼接而成；对于IKONOS或Quick Bird数据，由于景区较小，通常情况下都存在图像镶嵌问题；即使是宽幅达60km的SPOT-5数据，由于景区的偏位或县域范围太大、不规则等原因，也常需要进行配准镶嵌。&&
6、具有自动化的标准图幅分割功能。图像处理中往往针对整景或多景数据进行，包括数十幅乃至数百幅1：1万标准图幅，而土地利用遥感调查以1：1万标准图幅为基本单元。因此，在内业遥感解译前，必须将遥感图像分割成所需要的标准图幅。自动化的标准图幅分割功能，将极大地提高工作效率。&&
7、具有栅格数据与矢量数据叠加套合功能，能方便的进行人机交互解译。这是土地利用现状调查中最基本、也最起码的功能要求。&&
8、具有影像数据库功能。能针对栅格数据，进行有效的数据组织管理和灵活的图层管理机制，便于数据库的建立与集成。&&
上述罗列的要求，主要针对土地利用现状调查工作，其他的不加叙述。&&
三、CASM Image Info软件与第二轮土地调查&&
CASM Image Info系统是我国少数几个具有自主知识产权的遥感数据处理软件之一，由中国测绘科学研究院与中国四维测绘技术北京公司联合研究开发。上世纪90年代末期以来的近10年，中国测科院一直是我国土地利用动态遥感监测的主要承担单位之一。基于该项工作的深入开展，近年来，测科院自主开发了CASM Image Info遥感软件。总体上，该软件的开发，由于有土地动态监测人员的参与或提出建议，编程人员尽可能的考虑了土地遥感调查/监测对系统的要求。Image Info在一定程度上具有自己的特色。这些，可以从近年我国的一些遥感单位的软件使用情况得到说明，如国土资源部航遥中心，北大遥感所、包括我们单位等，尽管都具备功能强大的国外软件PCI Geomatica、ERDAS Imagine、ENVI等，但也经常会不由自主的利用Image Info的部分功能。&&
客观地说，Image Info从2003年的1.0版本，到现在的2.0，在界面、功能的系统性与全面性都有巨大的进步，或者说已具备一个正规遥感软件的雏型。从常规图像处理功能看，Image Info是完整的；从影像的纠正/配准、数据融合、图像镶嵌等更深层次的图像处理看，Image Info是具备的。然而，对于任何软件，不是具备某一功能，便标志着该功能可以满足实际工作的要求，还要看编程人员所使用的数学基础与数学模型，或者说算法是否先进或合理。比如说，同样是HIS法进行数据融合，在使用PCI、ERDAS、ENVI等软件时，其融合效果是有很大区别的。因此，对于软件来说，功能的具备是起码要求，而处理效果的好坏才是权衡一个软件质量的最关键因素。&&
通过对比国际上较好的PCI、ERDAS、ENVI软件与测科院的Image Info，认为从总体看，国外软件要优于国内软件，但国内软件也有自己的特色。下面从第二轮全国土地调查对遥感软件的要求上，讨论Image Info的优缺点。&&
1、受目前国内遥感单位对国外软件与国外卫星的依赖性影响，Image Info充分考虑了各种各样的文件格式转换与输入输出。尽管这是国产软件开发的无赖之举，但Image Info对这一问题的处理非常成功。无论是PCI、ERDAS、ENVI等软件的特殊格式，还是SPOT、IKONOS、Quick Bird等土地调查中可能利用的卫星数据格式，Image Info均可方便的读取并转换。对于这一点，号称文件格式转换特别强大的国外软件ENVI，也无可比拟。可以说，Image Info的文件格式转换能力排在各种遥感软件的首位了。凭这一点，Image Info完全可以作为一个最好的文件转换工具，这在市、省乃至国家级数据库集成时文件格式的转换，尤为重要。&&
2、界面的友好不仅仅是软件使用者对软件的直观感受，也是图像处理过程中操作方便性、准确性的有效保障。在一定程度上，界面的合适性还会反映到工作效率上。Image Info基于国人的视觉效果与逻辑思维进行界面设置，由下拉式主菜单与两个遥感图像窗口（缩略图与滚动图）组成。下拉式菜单能方便的寻找功能命令，两个遥感图像窗口的缩略图可概略的了解整景（区）的图像概况，滚动图可无限制放大，可观察某局部图像的细节，这对影像配准/纠正时的控制点采集是相当方便的。另外，一般来说，任何软件，在数据的可视性显示时，为了保证操作者的视觉效果，都会自动地进行一定的拉伸。对于这一点，Image Info优于ERDAS与ENVI。这样，在视窗图像存储时，能保存更好的图像效果。但是，Image Info软件缺乏内部数据存储功能，这是它的致命弱点。因为无论视窗图像存储效果怎样好，总会损失一定的信息。&&
3、就波段组合、大气校正、头文件编辑、色彩调整、亮度对比度调整、锐化处理等常规图像处理功能看，Image Info与其它遥感软件的基本相同。只是缺少坏线处理处理功能，且锐化处理效果比ERDAS稍差。&&
4、影像纠正/配准、数据融合、图像镶嵌等是土地利用调查中对SPOT-5、IKONOS、Quick Bird等卫星数据必须进行的图像处理工作。通过以汨罗市280-292数据为示范进行操作，并对成果图像效果比较，认为Image Info具备这些图像处理功能，但效果相对ERDAS稍差，比ENVI稍好。&&
5、标准图幅的自动分割，是Image Info的特点。尽管其它软件也有相应的模块，但由于坐标系等原因，无论在分割效果还是分割效率上，都稍逊于它。这一功能可在土地调查的标准图幅制作中发挥重要的作用。&&
6、利用遥感图像进行人机交互式解译，是目前所有专门的遥感图像处理软件存在的共同问题。或许，编程者注重图像处理功能的开发，在制图方面没有专门的软件进行投入。象其它软件一样，Image Info也不能完全满足土地调查中内业遥感解译的需要，只能借助Map 等软件工具进行。&&
四、结语&&
Image Info是一个功能比较齐全的遥感软件，但如果仅仅凭借该软件开展第二轮土地利用调查，则还不能全部满足各项图像处理的要求。事实上，综观当今通用的遥感软件，实施上没有一个软件能够担此重任。无论怎样，作为仅仅只有3年多历史的Image Info，能够开发成今天这种程度，实属不易。何况它在某些方面仍具备其它软件没有的独特功能，且不需要英语基础，容易学习掌握。因此，Image Info应该成为第二轮土地利用调查主要软件之一。&&
我觉得，第二轮全国土地利用调查的遥感软件，应该是PCI、ERDAS、ENVI等3个软件之一，另加Image Info软件。
&相关文章• &&• &&• &&• &&• &&• &&• &&• &&• &&• &&
最新内容推荐
最热内容排行
　┆　　┆　　┆　　┆　&┆&
Copyright & 2008-, All Rights Reserved遥感图像处理系统_百度百科
关闭特色百科用户权威合作手机百科
收藏 查看&遥感图像处理系统本词条缺少名片图，补充相关内容使词条更完整，还能快速升级，赶紧来吧！
遥感图像处理系统是具有图像输入、输出设备和图像处理软件的计算机系统。能够对来自遥感卫星地面站、遥感飞机等的遥感图像资料结合各种地图和其他地面实况，通过计算机进行校正、增强、分类，提取出解译人员所需要的专题信息，并在高分辨力彩色显示器上显示出来，或利用各种硬拷贝输出装置制成图片，用绘图仪绘成专题图，供有关专业人员分析和研究。属&&&&性具有图像输入、输出设备方&&&&法一幅图片占据约30兆字节
数字图像处理系统(见图)一般由电子计算机主机和通用外围设备、图像输入和输出装置、图像处理软件三部分构成。
电子计算机主机和通用外围设备遥感图像处理采用的电子计算机主要是16位和32位小型机和超级小型机，也有采用中型机或高档微处理机的。使用的外围设备主要是磁盘机、磁带机、打印机、字符终端等。遥感数据量很大，如“陆地卫星”的多光谱扫描仪的一幅图片占据约30兆字节，因此要求磁盘容量大和计算机速度快。
图像输入-输出装置除通用的磁带机外,还包括电视摄像机、光机扫描鼓等。电视摄像机把遥感胶片资料经过电视摄像变换成电信号,再经过模-数转换送入电子计算机。图像输入光机扫描鼓的工作原理类似于传真发片机，但几何精度和分辨力可达12.5微米，远高于传真机。80年代中期出现光敏二极管阵列摄像机，分辨力达像元，而成本远低于光机扫描鼓。各种图像输入装置加上彩色滤色片后都能输入彩色胶片。为了精确输入各种地理坐标数据，可使用数字化仪。
遥感图像的输出装置常采用高分辨力的彩色电视监视器，分辨力可达512×512像元或像元。计算机先把经过处理需要显示的图像送到一个大容量的半导体存储器（一般称为图像存储器），然后用电视扫描的格式逐行读出，再经过数－模转换器转换成电视信号，分为红、绿、蓝三路送到彩色电视显像管显示。这种电视屏幕显示办法便于更新和选择希望显示的图像，供解译人员研究和比较各种处理的效果。需要保存的图像可由硬拷贝输出装置加以记录。硬拷贝输出装置种类很多，实际使用的有电视屏幕照相机、飞点扫描装置、输出光机扫描鼓、笔绘仪、彩色打印机、彩色喷墨装置、激光记录装置等。
图像处理软件一般包括专用的图像操作系统和应用软件两大部分。图像操作系统通常建立在主机操作系统之上，以利应用软件的使用和对各种图像任务、文件、设备的有效管理。应用软件包括为用户进行图像处理所用的软件。它直接体现图像处理的功能，在图像处理系统中占有重要地位。
遥感图像处理技术发展很快，在各种新设备和新技术中效果比较显著的有图像显示处理器及并行处理和分布处理技术等。①图像显示处理器:又称图像计算机,它是在图像显示器中增加各种专用图像处理硬件，把许多原来完全由主机软件处理的功能，在显示处理器中变成由专用的硬件参与完成，图像处理的速度可达到实时或近实时的程度,使用户能够及时修改处理方案或参数,直到取得满意的结果。②并行处理技术：在遥感图像处理系统中采用阵列机或专用的图像高速处理加速器，用以辅助主机并行地进行某些图像运算。③分布处理技术：利用多台计算机联成网络，彼此分工，同时对图像进行处理，在处理速度、效果和价格上往往优于用一台价格昂贵的大型计算机处理。光学－计算机混合处理系统也是遥感图像处理系统的一个发展方向。
新手上路我有疑问投诉建议参考资料 查看遥感图像处理练习
-----利用 ERDAS IMAGINE 软件
一．ERDAS Imagine 软件简介
1.ERDAS IMAAGINE软件概述（Introduction& ）
2.在程序菜单中选择ERDAS IMAGINE 8.5 启动
3.ERDAS IMAGINE 功能体系（Function System）
二、图像显示
1.图像显示视窗（Viewer）
2.图像显示
三、数据输入
1.单波段二进制图像数据输入
2.组合多波段数据
四、数据预处理
1.图象几何校正
2.图象拼接处理
3.图象分幅裁剪
五、图像增强处理
1.图像解译功能简介（Introduction of Image& Interpreter）
2.图像空间增强
3.辐射增强处理：
4.光谱增强处理
六、非监督分类
1．图像分类简介（Introduction to classification）
2 非监督分类（Unsupervised Classification）
七、监督分类
1.定义分类模板（Define& Signature& Using signature& Editor）
2.评价分类模板（Evaluating& Signatures ）
3.执行监督分类(Perform Supervised Classification)
4.评价分类结果(Evaluate classification)
5.分类后处理(Post-Classification Process)
一、ERDAS Imagine软件简介
.实习目的：了解ERDAS Imagine 软件模块构成、功能
.内&&& 容：
&&&&&&&&& ?ERDAS IMAGINE软件概述（Introduction）
&&&&&&&&& ?ERDAS IMAGINE目标面板（Function System）
&&&&&&&&& ?ERDAS IMAGINE功能体系（Function& System）
1．& ERDAS IMAAGINE软件概述（Introduction& ）
&&&& ERDAS IMAGINE是美国ERDAS公司开发的专业遥感图像处理与地理信息系统软件。
&&&& ERDAS IMAGINE是以模块化的方式以IMAGINE Essentials、IMAGINE Advantage，IMAGINE Professional的形式为用户提供了低、中、高三档产品架构，并有丰富的功能扩展模块供用户选择。
1．1 IMAGINE Essentials级
&&&&& 有制图和可视化核心功能的图像工具软件，可以完成二维／三维显示、数据输入、排序与管理、地图配准、专题制图以及简单的分析。
可扩充的模块：
（1）Vector模块――可以建立、显示、编辑和查询Coverage,完成拓朴关系的建立和修改，实现及矢量图形和栅格图像的双向转换等；
（2）Virtual GIS模块――功能强大的三维可视化分析工具, 可以完成实时3D飞行模拟，&&& 建立虚拟世界进行空间视域分析，矢量与栅格的三堆叠加，空间GIS分析等；
（3）Developer's Toolkit模块――ERDAS IMAGINE的C语言开发工具包，包含了几百个函数，是ERDAS IMAGINE客户化的基础。
1．2 IMAGINE Advantage级
IMAGINE& Advantage为用户提供了灵活可靠的用于栅格分析、正射校正、地形编辑及图像拼接工具。简而言之，IMAGINE Advantage是一个完整的图像地理信息系统（Imaging G1S）。
可扩充模块：
（1）Radar模块――完成雷达图像的基本处理，包括亮度调整、斑点噪声消除、纹理分析、&&&&&&&&&&&&&&&&& 边缘提取等功能：
（2）OrthoMAX模块――全功能、高性能的数字航测软件，依据立体象对进行正射校正、&&&&&&&&& 自动DEM提取、立体地形显示及浮动光标方式的DEM交互编辑等：
（3）OrthoBase模块――区域数字摄影测量模块，用于航空影象的空三测量和正射校正：
（4）OrthoRadar模块――可对Radarsat，ERS雷达图像进行地理编码，正射校正等处理
（5）SterEOSAR& DEM模块――采用类似于立体测量的方法，从雷达图像数据中提取DEM：
（6）IFSAR DEM模块――采用干涉方法，以像对为基础从雷这图像数据中提取DEM：
（7）ATCOR模块――用于大气因子校正和雾曦消除。
1.3 IMAGINE Professional级
&&&&& 除了Essentia1s和Advantage中包含的功能以外，IMAG1NE Professional还提供轻松易用的空间建模工具（使用简单的图形化界面），高级的参数／非参数分类器，知识工程师和专家分类器，分类优化和精度评定，以及雷达图像分析工具。
可扩充模块：
（1）Subpixel& Classifier模块―― 子象元分类器利用先进的算法对多光谱图像进行信息提取，可达到提取混合象元中占20％以上物质的目标；
1.4 IMAGINE动态连接库
&&&&& ERDAS& IMAGINE中支持动态连接库（DLL）的体系结构。它支持目标共享技术和面向目标的设计开发、提供一种无需对系统进行重新编译和连接而向系统加入新功能的手段，并允许在特定的项目中裁剪这些扩充的功能。
动态连接库：
（1）图像格式DLL――提供对多种图像格式文件无需转换的直接访问，从而提高易用性&&&&&&& 和节省磁盘空间。支持的图像格式包括：& IMAGINE、& GRID、LAN／G1S、& TIFF& （GeoTIFF）、&&&&&&& GIF、JFIF（JPEG）、FIT和原始二进制格式。
（2）地形模型DLL――提供新类型的校正和定标（calibration），从而支持基于传感器平台的校正模型和用户剪栽的模型。这部分模型包括：Affine、& polynomial、& Rubber sheeting、TM、SPOT、Single frame Camera等。&&&&&&&&&&&&&&&&
2、在程序菜单中选择ERDAS IMAGINE 8.5 启动
在程序菜单中选择ERDAS IMAGINE 8.5，ERDAS IMAGINE 开始启动运行, 图标面板（ICON Panel）自动打开，并在你的屏幕上显示如下：
ERDAS IMAGINE的图标面板包括菜单条：Session, Main, Tools, Utilities, Help 和工具条两部分。
ERDAS IMAGINE的图标面板包括菜单条中的5项下拉菜单都由一系列命令或选择项组成，这些命令及其功能如表1.1所示。
表1.1 ERDASIMAGINE图标面板菜单条
Session Menu:综合菜单
完成系统设置、面板布局、日志管理，启动命令工具、批处理过程、实用功能、联机帮助等
Main Menu:主菜单
启动ERDAS图标面板中包括的所有功能模块
Tools Menu:工具菜单
完成文本编辑，矢量及栅格数据属性编辑，图形图像文件坐标变换，注记及字体管理，三维动画制作
Utility Menu:实用菜单
完成多种栅格数据格式的设置与转换，图像的比较
Help Menu:帮助菜单
启动关于图标面板的联机帮助，ERDAS IMAGINE联机文档查看、动态连接库浏览等
表1.2 综合菜单命令及其功能
Preference
面向单个用户或全体用户，设置多数功能模块的系统确省值
Configuration
为ERDAS IMAGINE 配置各种外围设备，如打印机、磁带机
Session Log
查看ERDAS IMAGINE提示、命令及运行过程中的实时记录
Active Process List
查看与取消ERDAS IMAGINE系统当前正在运行的处理操作
启动命令工具，进入命令菜单状态，通过命令执行处理操作
Enter Log Message
向系统综合日志（Session Log）输入文本信息
Start Batch Commands
启动或退出批处理工具，打工批处理向导，记录批处理命令
Open Batch File
打开批处理命令文件
View Batch Queue
打开批处理进程对话框，查看、编辑、删除批处理队列
View Batch Queue
确定图标面板（Icon Panel）的水平或垂直显示状态
Tile Viewers
平铺排列两个以上已经打开的视窗（Viewer）
Close All Viewers
关闭当前打开的所有视窗（Viewer）
进入主菜单（Main Menu）,启动图标面板中包括的所有模块
进入工具菜单（Tools Menu），显示和编辑文本及图像文件
进入实用菜单（Utility Menu），执行ERDAS的常用功能
打开ERDAS IMAGINE联机帮助（On-line Help）文档
Properties
打开IMAGINE系统特性对话框，查看和配置序列号与模块
Exit IMAGINE
退出ERDAS IMAGINE软件环境
表1.3 主菜单命令及其功能
IMAGINE Credits
查阅ERDAS信用卡 （Credits）
Start IMAGINE Viewer
启动ERDAS IMAGINE视窗 (Viewer)
Import/Export
启动ERDAS IMAGINE数据输入输出模块 (Import)
Data Preparation
启动ERDAS IMAGINE数据预处理模块 (Dataprep)
Map Composer
启动ERDAS IMAGINE专题制图模块 (Composer)
Image Interpreter
启动ERDAS IMAGINE图像解译模块 (Interpreter)
Image Catalog
启动ERDAS IMAGINE图像库管理模块 (Catalog)
Image Classification
启动ERDAS IMAGINE图像分类模块 (Classifier)
Spatial Modeler
启动ERDAS IMAGINE空间建模工具 (Modeler)
启动ERDAS IMAGINE矢量功能模块 (Vector)
启动ERDAS IMAGINE雷达图像处理模块 (Radar)
Virtual GIS
启动ERDAS IMAGINE虚拟GIS模块 (Virtual GIS)
表1.4 工具菜单命令及其功能
Edit Text Files
编辑ASCII码文本文件
Edit Raster Attributes
编辑栅格文件属性数据
View Binary Data
查看二进制文件的内容
View HFA File Structure
查看ERDAS IMAGINE层次文件结构
Annotation Information
查看注记文件信息，包括元素数量与投影参数
Image Information
获取ERDAS IMAGINE栅格图像文件的所有信息
Vector Information
获取ERDAS IMAGINE矢量图形文件的所有信息
Image Commands Tool
打开图像命令对话框，进入ERDAS命令操作环境
Coordinate Calculator
将坐标系统从一种椭球体或参数转变为另外一种
Create/Display Movie Sequences
产生和显示一系列图像画面形成的动画
Create/Display Viewer Sequences
产生和显示一系列视窗画面组成的动画
Image Drape
以DEM为基础的三维图像显示与操作
表1.5& 实用菜单命令及其功能
JPEG Compress Image
应用JPEG压缩技术对栅格图像进行压缩，以便保存
Decompress JPEG Image
将应用JPEG压缩技术所生成的栅格图像进行解压缩
Convert Pixels to ASCII
将栅格图像文件数据转换成ASCII码文件
Convert ASCII to Pixels
以ASCII码文件为基础产生栅格图像文件
Convert Images to Annotation
将栅格图像文件转换成IMAGINE的多边形注记数据
Convert Annotation to Raster
将IMAGINE的多边形注记数据转换成栅格图像文件
Create/Update Image Chips
产生或更新栅格图像分块尺寸，以便于显示管理
Create Font Tables
以特定的字体生成一幅专题地图
Compare Images
打开图像比较对话框，比较两幅图像之间的某种属性
Reconfigure Raster Formats
重新配置系统中的栅格图像数据格式
Reconfigure Vector Formats
重新配置系统中的树凉图形数据格式
表1.6 帮助菜单命令及其功能
Help for ICON Panel
显示ERDAS IMAGINE图标面板的联机帮助
IMAGINE Online Documentation
进入联机帮助目录，查看IMAGINE联机文档
IMAGINE Version
查看正在运行的ERDAS& IMAGINE软件版本
IMAGINE DLL Information
查看IMAGINE动态连接库的类型与常数信息
2.2工具图标及其功能（Panel ICON）
与IMAGINE Professional级功能及其应用外，还将涉及两个重要的扩展模块Vector模块和Virtual GIS模块，因而共有13个图标（表1.7）
表1.7& ERDAS IMAGINE 图标面板工具条
IMAGINE Credits
查阅ERDAS信用卡
Start IMAGINE Viewer
打开IMAGINE视窗
Import/Export
启动数据输入输出模块
Data preparation
启动数据预处理模块
Map Composer
启动专题制图模块
Image Interpreter
启动图像解译模块
Image Catalog
启动图像库管理模块
Image Classification
启动图像分类模块
Spatial Modeler
启动空间建模工具
启动雷达图像处理模块
启动矢量功能模块
Virtual GIS
启动虚拟GIS模块
启动数字摄影测量模块
3.ERDAS IMAGINE 功能体系（Function System）
前面关于ERDAS IMAGINE 软件组成及其图标面板的介绍表明，ERDAS IMAGINE 是一个功能完整的、集遥感与地理信息系统于一体的专业软件。那么，用户在进行遥感图像处理，转换、分析和成果输出的过程中，如何有效地应用系统所提供的众多功能呢？根据ERDAS IMANGINE系统功能、常规遥感图像处理与遥感应用研究的工作内容，用图1.2所示的框图，进一步说明ERDAS IMAGINE的功能体系。
栅格图像数据
矢量图形数据
文本属性数据
ERDASIMAGINE 遥感图像处理系统
数据输入输出
数据预处理
几何校正、拼接镶嵌
子区裁剪、投影变换
雷达图像处理
倾斜调整、斑点压缩
正射校正、纹理分析
增强处理、傅立叶变换
高光谱工具、GIS分析
适用工具集、投影变换
非监督分类、监督分类
知识工程师、专家分类
特征空间、分类评价&
&&&&&&&&&&&&&&&&&&&
矢栅转换、矢量编辑
拓扑建立、空间分析
三维飞行、虚拟世界
视域分析、动画制作
专题制图输出
栅格图像数据
矢量图形数据
文本属性数据
图1.2 ERDAS IMAGINE功能体系
二、图像显示
实习目的：学会启动ERDAS Imagine熟悉ERDAS图像显示
实习内容：启动ERDAS Imagine, 了解、熟悉图像显示的主要功能。
实习步骤如下：
1、图像显示视窗（Viewer）
图像显示视窗（Viewer）是显示栅格图像、矢量图形、注记文件、AOI等数据层的主要窗口，每次启动 ERDAS IMAGING时，系统都会自动打开一个二维视窗（Viewer）如图2.1所示。在应用过程中可以随时打开新的视窗。
图2.1 二维视窗（Viewer）
二维视窗（Viewer）主要由视窗菜单条、工具条、显示窗和状态条四部分组成。
2、图像显示
第一步：启动程序
菜单上选择File | Open | Raster Layer――Select Layer To Add对话框图2.2。
或在工具条上选择 ――Select Layer To Add对话框图2.2。
第二步：确定文件
图2.2中的File选项用于图像文件的确定，具体内容及实例如表所示。
表2.1 图像文件的确定参数
确定文件目录
确定文件名
lazhoucity.img
Files of Type
确定文件类型
IMAGINE Image(*.img)
选择近期操作过的文件
改变文件路径
第三步：设置参数
在Select Layer To Add对话框中点击Raster Options, 就进入设置参数状态，
如图2.3所示。
图2.3& Select Layer To Add对话框
各项参数具体内容及实例，如表2.2 所示。
表2.2 图像文件显示参数
Display as:
True color
Pseudo color
Gray scale
图像显示方式：
& 真彩色（多波段图像）
& 假彩色（专题分类图）
& 灰色调（单波段图像）
& 地形图（DEM数据）
图像显示方式：
Layers to colors:
图像显示颜色：
红色波段（4）
绿色波段（3）
兰色波段（2）
图像显示颜色：
& 红色波段（4）
& 绿色波段（3）
& 兰色波段（2）
Clear display
清除视窗中已有信息
清除视窗中已有信息
Fit to frame
按照视窗大小显示图像
按照视窗大小显示图像
Nearest neighbor
Bilinear Interpolation
Cubic convolution
得采样方法：
& 邻近像远插值
& 双线性插值
& 立方卷积插值
重采样方法：
& 邻近像元插值
第四步：打开图像
在Select Layer To Add对话框中，点击OK，打开所确定的图像，视窗中显示该图像。
三、数据输入
实习目的：掌握TM图像数据输入的主要方法。
实习内容：主要包括单波段TM图像数据输入、多波段组合文件的生成。
从地面站购买的TM图像数据或其它图像数据，须按照Generic Binary数据格式输入。
1.& 单波段二进制图像数据输入
在ERDAS图标面板工具条中，点击 ――打开输入输出对话框，如图所示。并做如下的选择：
.选择数据输入操作：Import
.选择数据输入类型（Type）为普通二进制：Generic Binary
.选择数据输入媒体（Media）为文件：File
.确定输入文件路径及文件名（Input File）:Band1.dat
.确定输出文件路径及文件名（Output File）band1.dat
.打开Import Generic Binary Data对话框，如图所示
在Import Generic Binary Data对话框中定义下列参数：
.数据格式（Data Format）:BSQ
.数据类型（Data Type）:Unsigned 8 Bit
.数据文件行数（Row）:5728
.数据文件列数（Cols）:6920
.文件波段数量（Bands）:1
.保存参数设置（Save Option）:*.gen
.OK退出Save Option File
.OK执行输入操作。
上图为进程状态条，OK完成数据输入。
重复上述过程，可依此将多波段数据全部输入，转换为 .IMG文件。
2、组合多波段数据
为了图像处理与分析，需要将上述转换的单波段IMG文件组合为一个多波段图像文件。
第一步：在ERDAS图标面板工具条中，点击Interpreter|Utilities|Layer Stack――
Layer Selection and Stacking的对话框。
第二步：在Layer Selection and Stacking对话框中，依此选择并加载（Add）单波段IMG图像：
.输入单波段图像文件（Input File: *.img）:band1.img――Add
.输入单波段图像文件（Input File: *.img）:band2.img――Add
.输入组合多波段图像文件（Output File:*.img）:bandstack.img
.OK执行并完成波段组合。
四、数据预处理
实习目的：掌握图像预处理的主要方法。
实习内容：主要是几何校正
数据预处理模块为Data preparation
在ERDAS图标面板工具条中，点击 图标――Data Preparation菜单
本练习主要作：几何校正、图象拼接处理、图象分幅裁剪。
图象几何校正
第一步：显示图象文件
在视窗中打开需要校正的Landsat TM图象：lanzhoucity.img.
第二步：启动几何校正模块
在Viewer#1的菜单条中，选择Raster|Geometric Correction
.打开Set Geometric Model对话框
.选择多项式几何校正模型 Polynomial――OK
.程序自动打开Geo Correction Tools对话框和
Polynomial Model Properties对话框
.先选择Close关闭Polynomial Model Properties对话框
.程序自动打开GCP Tool Reference Setup对话框
.选择Keyboard Only
.程序自动打开 Reference Map Information提示框。
.选择Map Units: Meters
.添加地图投影参数，如下图：
.选择OK 确定地图投影参数，并关闭上图。
.选择OK，确定 Reference Map Information，并关闭提示框。
.并自动打开采集控制点对话框。
GCP的具体采集过程:
在图像几何校正过程中，采集控制点是一项非常重要和相当重要的工作，具体过程如下：
.在GCP工具对话框中点select GCP 图标 ，进行GCP选择状态。
.在view#1中移动关联方框位置，寻找明显地物特征点，作为输入GCP。
.在GCP工具对话框中点击Great GCP图标 ，并在view#2中点击左键定点，GCP数据表将记录一个输入的GCP，包括编号、标识码、X、Y坐标。
.在GCP工具对话框中输入地图参数坐标X、Y。
.不断重复上述步骤，采集若干GCP，直到满足所选是的几何校正模型为止。
采集地面检查点
以上所采集的GCP为控制点，用于建立转换方模型及 多项式方程，地面检查点，则用于检验所建立的转换方程的精度和实用性，具体过程如下：
.在GCP TOOL菜单条中选择GCP类型：Edit/Set Point Type ―check。
.在GCP TOOL 菜单条中确定GCP匹配参数：Edit/Point matching ―打开GCP Matching 对话框，并确定参数。
.确定地面检查点，其操作与选择控制点完全一样。
.计算检查点误差：在GCP TOOL工具条中，点击Compute Error 图标 ，检查点的误差就会显示在GCP TOOL 的上方(如下图)，只有所有检查的误差小于一个像元时，才能进行以下的步骤。
.在Geo Correction Tools 对话框 中选择Model Properties 图标 打开
选择或检查参数，然后选择close关闭。
图象重采样
.在Geo Correction Tools 对话框中选择Image Resample 图标―打开Image Resample 对话框 ，并定义重采样参数。
.输出图像文件名(output file):rectify.img
.选择重采样方法(Resample Method):Nearest Neighbor
.定义输出图像在图与像元大小。
.设查输出统计中忽略零值。
.选择OK启动重采样进程，并关闭Image Resample 对话框。
五、 图象增强处理
实习目的：掌握常用的图象增强处理的方法。
实习内容：主要包括：空间、辐射、光谱增强处理的主要方法
&&&&&&&&&&&&& 空间增强：负括卷积增强处理、纹理分析、
&&&&&&&&&&&&& 辐射增强：LUT拉伸处理、直方图均衡化处理
&&&&&&&&&&&&& 光谱增强：主成份变换、缨穗变换、色彩变换
1．图像解译功能简介（Introduction of Image& Interpreter）
&&& 图像解译器(Image Interpreter或Interpreter)，可以通过两种途径启动：
&&& ERDAS图标面板菜单条：& Main/Image Interpreter----Image Interpreter菜单& ERDAS图标面板工具条：点击Interpreter图标一Image Interpreter菜单
从上图可以看出，ERDAS图像解译模块包含了8个方面的功能，依次是遥感图像的空间增强（Spatial Enhancement）、辐射增强（Radiometric Enhancement）、光谱增强(SpectralEnhancement)、高光谱工具（Hyper Spectral Tools）、傅立叶交换（Fourier& Analysis ）、地形分析（Topographic Analysis）。地理信息系统分析（GlS Analysis）、以及其它实用功能（Utilities）。每一项功能菜单中又包含若干具体的遥感图像处理功能。
2、图象空间增强
2．1 空间增强（Spatial Enhancement）
空间增强技术是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像之目的。ERDAS IMAGINE 提供的空间增强处理功能如表4.1所列。
表4.1 遥感图像空间增强命令及其功能
空间增强命令
空间增强功能
Convolution:&&&& 卷积增强
用一个系数矩阵对图像进行分块平均处理
Non-directional Edge：
&&&&&&&&&& 非定向边缘增强
首先应用两个正交卷积算子分别对图像进行边缘探测，然后将两个正交结果进行平均化处理
Focal Analysis:&& 聚集分析
使用类似卷积滤波的方法，选择一定的窗口呼函数，对输入图像文件的数值进行多种变换
Texture:&&&&&&&& 纹理分析
通过二次变异等分析增强图像的纹理结构
Adaptive Filter: 自适应滤波
应用自适应滤波器对AOI进行对比度拉伸处理
Resolution Merge:分辩率融合
不同空间分辨率遥感图像的融合处理
Crisp:&&&&&&&&&& 锐化处理
增强整景图像亮度而不使其专题内容发生变化
2.2卷积增强处理
&卷积增强是将整个图像按像元分块进行平均处理，用于改变图像的空间频率特征。卷积处
理的关键是卷积算子一-系数矩阵的选择。ERDAS将常用的卷积积算子放在default.klb 的文件中，分别以3×3、5×5、7×7三组，每组又包括edge Detect/edge enhance/low pass/Highpass/Horizontal/vertical/summary等七种不同的处理方式。
具体执行过程如下：
.ERDAS图标面板工具条，点击Interpreter/spatial Enhancement / convolution―打开convolution对话框，并设置如下参数：
2.3纹理分析
纹理分析通过在一定的窗口内进行二次变异分析或三次对称分析，使图像的纹理结构得
到增强，具体过程如下：
ERDAS 图板面板工具条中，点击Interpreter/spatial Enhancement/Texture―打开Texture对话框，并设置参数如下：
这一分析方法的关键是确定Window size 的定义操作函数Operator。
3、辐射增强处理：
3.1辐射增强（Radiometric Enhancement）
辐射增强处理是对单个像元的灰度值进行变换达到图像增强的目的。 ERDAS IMAGINE供的辐射增强处理功能如表4.2所列。
表4.2 遥感图像辐射增强命令及其功能
辐射增强命令
辐射增强功能
LUT Stretch：查找表拉伸
通过修改图像查找表（Lookup Table）使输出图像值发生变化，是图像对比度拉伸的总和。
Histogram Equalization:
&&&&& &&&&&&&直方图均衡化
对图像进行非线性拉伸，重新分布图像像元值使一定灰度范围内像元的数量大致相等
Histogram Match:直方图匹配
对图像查找表进行数学变换，使一幅图像的直方图与另一幅图像类似，常用于图像拼接处理
Brightness Inverse: 亮度反转
对图像亮度范围进行线性及非线性取反值处理
Haze Reduction:&&& 去霾处理
降低多波段图像及全色图像模糊度的处理方法
Noise Reduction:&& 降噪处理
利用自适应滤波方法去除图像噪声
Destripe TM Data:去条带处理
对Landsat TM图像进行三次卷积处理去除条带
3.2查找表拉抻处理& 是通过修改图像查找表，使输出图像值发生变化。通过定义，可实现线性拉伸、分段线性拉伸、非线性拉伸等处理。
.在ERDAD图标面标工具条中，点出Interpreter/Radiometric Enhancement/LUT Stretch―--打开LUT stretch对话框，并设置参数如下：
其中关建是：点击View/custom Table 进入查找表编辑状态。根据需要修改查找表。
3.3直方图均衡化处理& 该处理实质上是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内的像元的数量大致相等。
.在ERDAS图标面板工具条中，点击Interpreter/Radiometric Enhancement/Histogram Equalization―--打开Histogram Equalization对话框,并设置参数如下：
4.光谱增强处理
4.1光谱增强处理是基于多波段数据对每个像元的灰度值进行变换，达到图像增强的目的。ERDSA IMAGINE 提供的光谱增强处理功能如下图所示
表4.3 遥感图像光谱增强命令及其功能
光谱增强命令
光谱增强功能
Principal Components:
&&&&&&&&&&&&& 主成份变换
将具有相关性的多波段图像压缩到完全独立的较少的几个波段，使遥感图像更易于解译分析
Inverse Principal Components:
&&&&&&&&&&&& 主成份逆变换
与主成份变换操作正好相反，将主成份变换图像依据当时的变换特征矩阵重新恢复到RGB彩色空间
Decorrelation Stretch:去相关拉伸
首先对图像的主成份进行对比度拉伸处理，然后再进行主成份逆变换，将图像恢复到RGB彩色空间
Tasseled cap:&&&&& 缨穗变换
在植被研究中旋转数据结构轴优化图像显示效果
RGB to HIS:&&&&& 色彩变换
将图像从红（R）绿（G）蓝（B）彩色空间转换到亮度（I）、色度（H）、饱和度（S）彩色空间
HIS TO RGB:&& 色彩逆变换
将图像从亮度（I）色度（H）饱和度（S）彩色空间转换到红（R）绿（G）蓝（B）彩色空间
Indices:&&&&&&&&& 指数计算
用于计算反映矿物及植被的各种比率和指数
Natural Color:& 自然色彩变换
模拟自然色彩对波段数据变换输出自然色彩图像
4.2主成份变换&& 是一种常用的数据压缩方法，它可以将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，便于图像分析与解译，具体过程如下：
.在ERDAS 图标面标工具条中，点击Interpreter/spectral Enhancement/principal Comp―--打开principal components对话框,并设置参数如下：
上图为原始图像与主成份变换获得的主份量1、2、3的对比图
原图像432(RGB)&&&&&&&&&&&&&&&&&&&&&&&&&&& 主成份432（RGB）合成图像
4.3 缨穗变换
缨穗变换是针对植物学所关心的植被特征，对原始多波段图像数据进行空间旋转，获得具有物理意义的亮度、绿度、湿度等分量。
.在ERDAS图标面板工具条中，点击Interpret/spectral Enhancement/Tasseled Cap―打开Tasseled cap对话框，并设置参数。
注，需要定义相关参数set coefficients,点击set coefficients按钮，打开对话框，确定区域内的类型。下图为原始图像与缨穗变换的亮度、绿度、湿度分量的比较图。
4.4色彩变换
色彩变换是将区域图像从RGB的彩色空间转换到IHS作为定位参数的彩色空间，以便达到增强目的。
.在ERDAS图标面板工具条中，点击Interpreter/spectral Enhancement/RGB to IHS―--打开RGB TO IHS对话框，并设置参数如下：
上图为原始图像与色彩变换获得的亮度、色度、饱和度三个分量图的对比
六、非监督分类
一、实习目的：掌握非监督分类的方法与过程，加深对非监督分类方法的理解
二、 实习内容：Cluster、ISODATA
1．图像分类简介（Introduction to classification）
&&& 图像分类就是基于图像像元的数据文件值，将像元归并成有限几种类型、等级或数据集的过程。常规图像分类主要有两种方法：非监督分类与监督分类，专家分类方法是近年来发展起来的新兴遥感图像分类方法。
&2 非监督分类（Unsupervised Classification）
&&& ERDAS IMAGINE使用ISODATA算法（基于最小光谱距离公式）来进行非监督分类。聚类过程始于任意聚类平均值或一个己有分类模板的平均值：聚类每重复一次，聚类的平均值就更新一次，新聚类的均值再用于下次聚类循环。& ISODATA实用程序不断重复，直到最大的循环次数已达到设定阈值或者两次聚类结果相比有达到要求百分比的像元类别已经不再发生变化。
2．1分类过程（classification& ProcedUre& ）
&& 第一步：调出非监督分类对话框
&&&&& 调出非监督分类对话框的方法有以下两种：
&&&&& 在ERDAS图标面板工具条中，点击Dataprep图标
→ Data& Preparation →unsupervised Classification →Unsupervised& Classification对话框如下：
&第二步：进行非监督分类
在Unsupervised classification对话框中：
→确定输出文件（Input Raster File）:lazhoucity.img（要被分类的图像）
→确定输出文件（Output File）:lz-isodat.img（即将产生的分类图像）
→选择生成分类摸板文件：& Output Signature Set（将产生一个模板文件）
→确定分类摸板文件（Filename& ）： lz-isodat.sig
→对Clustering options选择Initialize& from& Statistics单选框
&& Initialize& from& Statistics指由图像文件整体（或其AOI区域）的统计值产主自由聚类，分出类别的多少由自己决定。Use Signature& Means是基于选定的模板文件进行非监督分类，类别的数目由模板文件决定。
→确定初始分类数（Number of classes）：& 18分出18个类别）
&& 实际工作中一般将分类数取为最终分类数的2倍以上。
.点击Initializing& options按钮可以调出Fi1e& Statistics Options对话框以设置ISODATA的一些统计参数，
.点击Co1or& Scheme& Options按钮可以调出output& color& Scheme& Options对话框以决定输出的分类图像是彩色的还是黑白的。这两个设置项使用缺省值。
.定义最大循环次数（Maximum& Iterations）：& 24
& 最大循环次数（Maximum& Iterations）是指ISODATA重新聚类的最多次数，这是为了避免程序运行时间太长或由于没有达到聚类标准而导致的死循环。一般在应用中将循环次数都取6次以上。
→设置循环收敛阈值（Convergence& Threshold）：0.95
&&&&& 收敛阈值（Convergence Threshold）是指两次分类结果相比保持不变的像元所占最大百分之此值的设立可以避免ISODATA无限循环下去。
& →点击OK按钮（关闭Unsupervised&& Classification对话框，执行非监督分类，获得一个初步的分类结果）
2.2 分类评价（Evaluate& Classification& ）&&&&&&&&&&&&&&&&
&&&&& 获得一个初步的分类结果以后，可以应用分类叠加（Classification over1ay）方法来评价检查分类精度。其方法如下：
&& 第一步：显示原图像与分类图像
&& 在视窗中同时显示lanzhoucity.img和lz-isodat.img：两个图像的叠加顺序为lanzhoucity.img在下、lz-isodat.img在上，lanzhoucity显示方式用红（4）、绿（5）、蓝（3& ）。
&& 第二步：打开分类图像属性并调整字段显示顺序
&&& 在视窗工具条中：点击 图标（或者选择Raster菜单项―--选择Tools菜单）
&&&&&&& →打开Raster工具面板
&&&&&&& →点击RaSter工具面板的 图标（或者在视窗菜单条：Rster---Attributes）
&&&&&&& →打开Raster Attribute Editor对话框（lz-isodat.img的属性表）
&&& 属性表中的19个记录分别对应产生的18个类及Unclassified类，每个记录都有一系列的字段。如果想看到所有字段，需要用鼠标拖动浏览条，为了方便看到关心的重要字段，需要调整字段显示顺序。
&& Raster& Attribute Editor对话框菜单条：Edit→ Column& Properties&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&& →column properties对话框
&&& 在Columns中选择要调整显示顺序的字段，通过Up、 Down、Top、Bottom等几个按钮调整其合适的位置，通过选择Display& Width调整其显示宽度，通过Alignment调整其对齐方式。如果选择Editable复选框，则可以在Title中修改各个字段的名字及其它内容。
→在Column Properties对话框中调整字段顺序，最后使Histogram、opacity、 color、 class_names四个手段的显示顺序依次排在前面。
& &&→点击OK按钮（关闭Column properties对话框）
&& &→返回Raster Attribute Editor对话框（lz-isodat.img的属性表）
第三步：给各个类别赋相应的颜色（如果在分类时选择了彩色，这一步就可以省去）
Raster Attribute Editor对话框（lz-isodat.img的属性）：
& →点击一个类别的Row字段从而选择该类别
& →右键点击该类别的Color字段（颜色显示区）
→As Is菜单 → 选择一种颜色
→重复以上步骤直到给所有类别赋予合适的颜色
第四步：不透明度设置
由于分类图像覆盖在原图像上面，为了对单个类别的判别精度进行分析，首先要把其它所有类别的不透明程度（Opacity）值设为0（即改为透明），而要分析的类别的透明度设为1（即不透明）。
Raster Attribute Editor 对话框（lz-isodat.img的属性表）：
→右键点击Opacity字段的名字
→Column Options菜单→Formula菜单项
→Formula对话框
→在Formula对话框的Formula输入框中（用鼠标点击右上数字区）输入0
→点击Apply按钮（应用设置）
→返回Raster Attribute Editor 对话框（lz-isodat.img的属性表）：
→点击一个类别的ROW字段从而选择该类别
→点击该类别的Opacity字段从而进入输入状态
→在该类别的Opacity 字段中输入1，并按回车键
此时，在视窗中只有要分析类别的颜色显示在原图像的上面，其它类别都是透明的。
第五步：确定类别专题意义及其准确程度
视窗菜单条：Utility→flicker→viewer Flicker对话框→Auto Mode
&&&&& 本小步是设置分类图像在原图像修背景上闪烁，观察它与背景图像之间的关系从而断定该类别的专题意义，并分析其分类准确与否。
& 第六步：标注类别的名称和相应颜色
Raster& Attribute& Editor对话框（lz-isodat.img的属性表）：
→点击刚才分析类别的ROW字段从而选择该类别&
→点击该类别的class Names字段从而进入输入状态
&&& →在该类别的Class& Names字段中输入其专题意义（如居民区），并按回车键
&&& →右键点击该类别的Color字段（颜色显示区）
&&& →As Is菜单→选择一种合适的颜色
&&& 重复以上4、5、6三步直到对所有类别都进行了分析与处理。注意，在进行分类叠加分析时，一次可以选择一个类别，也可以选择多个类别同时进行。
七、监督分类
一、实习目的：掌握监督分类的方法与过程，加深对监督分类方法的理解
三、 完习内容：定义分类模板、评价分类模板、进行监督分类、评价分类结果。
&& 监督分类一般有以下几个步骤：定义分类模板（Define& Signatures）、评价分类模板（Evaluate& Signatures）、进行监督分类（Perform& Supervised& Classification）、评价分类结果（Evaluate& Classification& ）。
1.定义分类模板（Define& Signature& Using signature& Editor）
&&& 第一步：显示需要进行分类的图像
&&& 第二步：打开模板编辑器并调整显示字段
&&& ERDAS图标面板工具子，点击C1assifier目标
&&&&&&&&& →Classification菜单
&&&&&&&&& →Signature& Editor菜单项
&&&&&&&&& →Signature& Editor对话框
&&& 从上图中可以看到有很多字段，有些字段对分类的意义下大，我们希望不显示这些这段，所以要进行如下调整：&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
&&& Signature Edit对话框菜单条：& View→Columns→view& signature& columns对话框&&&&&&&&&&& &&&&&
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
→点击最上一个字段的Co1unmn字段下拖拉直到最后一个段,此时，所有字段都被选择上，并用黄色（缺省色）标识出来。
→按住shift键的同时分别点击Red、& Green、& B1ue三个字段Red、Green、& Blue三个字段将从选择集中被清除。
→点击Apply按钮
→点击Close按钮
&&& 从View& Signature& Co1umns对话框可以看到Red、Green、Blue三个字段将不再显示。
第三步：获取分类模板信息
可以分别应用AOI绘图工具、& AOI扩展工具、查询光标等三种方法，在原始图像或特征空间图像中获取分类模板信息。但在实际工作中也许只用一种方法就可以了，也许要将几种方法联合应用，这取决于您自己。
&（1）应用AOI绘图工具在原始图像获取分类模板信息
无论是在原图像还是在下面要讲的特征空间图像中，都是产主AOI区域来作为分类模板信息的来源。首先练习如何用AOI绘图工具获取分类模板信息。
在显示有ljxtm.img图像的视窗：
→点击 图标（或者选择Raster菜单项→选择Tools菜单）
→打开Raster工具面板
→点击Raster工具面板的 图标
→在视窗中选择红色区域，绘制一个多边形AOI
→在Signature Editr对话框，点击 图标，将多边形AOI区域加载到Signature分类模板中
→在Signature Editor中，改变刚才加入模板的Signature Name和Color。
→重复上述操作过程以多选择几个红色区域AOI,并将其作为新的模板加入到Signature Editor当中，同时确定各类的名字及颜色。
如果对同一个专题类型（如水体）采集了多个AOI并分别生成了模板，可以将这些模板合并，以便该分类模板具多区域的综合特性。具体做法是在Signature& Editor对话框中，将该类的Signature 全部选定，然后点击合并图标 &，这时一个综合的新模板生成，原来的多个Signature 同时存在（如果必要也可以删除）。
&&&&& 第四步：保存分类模板&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
以上分别用不同方法产生了分类模板，下面将该模板保存起来。
在Signature& Editor对话框菜单条：& File→Save
&&&&&&&&& →打开Save& Signature& File As对话框
&&&&&&&&& →确定是保存所有的模板还是只保存被选中的模板
&&&&&&&&& →确定文件的目录和名字（Sjg文件）
&&&&&&&&& →点击OK按钮
2.评价分类模板（Evaluating& Signatures ）
分类模板建立之后，就可以对其进行评价，删除、更名、与其它分类模板合并等操作。分类模扳的合并可使用户应用来自不同训练方法的分类模板进行综合复杂分类，这些模板训练方法包括监督、非监督、参数化和非参数化。
分类模板评价工具包括：
&&& ?& Alarms：分类报警工具
&&& ?& Contingency& matrix：可能性矩阵
&&& ?& Feature& objects：特征对象
&&& ?& Feature& Space& to& image& masking：特征空间到图像掩模&&&&&
&&& ?& Histograms：直方图方法
& ?& Signature separability: 分类的分离性
?& Statistics:分类统计分析
当然，不同的评价方法各有不同的应用范围。例如不能用Separability工具对非参数化（由特征空间产生）分类模板进行评价，而且分类模板中至少应具有5个以上的类别。
2.1报警评价（Alarms）
第一步：产生报警掩膜
分类模板报警工具根据平行六面体决策规则(Parallelepiped division rule)将那些原属于或估计属于某一类别的像元在图像视窗中加亮显示，以示警报。一个报警可以针对一个类别或多个类别进行。如果没有在Signature Editor中选择类别，那么当前活动类别(Signature Editor中“&”符号旁边的类别)就被用于进行报警。具体使用过程如下：
在Signature Editor对话框：
→View →Image Alarm
→打开Signature Alarm对话框
→选中Indicate Overlap
→点击Edit Parallelepiped Limits按钮
→Limits对话框
→点击SET按钮
→打开Set Parallelepiped Limits对话框
→设置计算方法（Method）:Minimum/Maximum
→选择使用的模板（Signature）:Current
→OK（关闭set& Parallelepiped Limits对话框）
&&& →返回Limits对话框
→Close（关闭Limits对话框）
→返回Signature& Alarm对话框
&&& →OK（执行报警评价，形成报警掩膜）
→Close（关闭signature& Alarm对话框）
&根据Signature& Editor中指定的颜色，选定类别的像元显示在原始图像视窗中，并覆盖在原图像之上，形成一个报警掩膜。
&&& 第二步，利用Flicker功能查看报警掩膜
& &&第三步：删除分类报警掩膜
视窗菜单条：& View→Arrange Layers菜单
&&&&&&& →打开Arrange Layers对话框
&&&&&&& →右键点击Alarm Mask图层
&&&&&&& →弹出Layer& Options菜单→选择Delete Layer
&&&&&&& →Alarm& Mask图层被删除
&&&&&&& →App1y （应用图层删除操作）
&&&&&&& →提示verify Save on C1ose& →N0
&&&&&& &→Close& （关闭Arrange Layers对话框）
2.2 可能性矩阵
可能性矩阵（Contingency& Matrix& ）评价工具是根据分类模板，分析AOI训练区的像元是否完全落在相应的类别之中。通常都期望AOI区域的像元分到它们参于训练的类别当中，实际上AOI中的像元对各个类都有一个权重值，& AOI训练样区只是对类别模板起一个加权的作用。Contingency& Matrix& 工具可同时应用于多个类别，如果你没有在Signature& Editor中确定选择集，则所有的模板类别都将被应用。
可能性矩阵的输出结果是一个百分比矩阵，它说明每个AOI训练区中有多少个像元分别属
于相应的类别。AOI训练样区的分类可应用下列几种分类原则：平于行六面体（Parallelepiped）、特征空间（Feature& Space）、最大似然（Maximum& Likelihood）、马氏距离（Mahalanobis& Distance）。各种原则详见Field Guide一书。
下面说明可能性矩阵评价工具的使用方法：
在Signature& Editor对话框：
&&&&&&& →在signature Editor中选择所有类别&&& &&&&&&&&&&
&&&& &&&→菜单条：Evaluation →Contingency
&&&&&&& →打开Contingency Matrix对话框
&&&&&&& →选择非参数规则（Non-parametric& Rule& ）：& Feature Space
&&&&&&& →选择叠加规则（Overlay& Rule）& ：& Parametric Rule
&&&&& &&→选择未分类规则（Unclassified& Rule& ）：& Parametric Ru1e
&&& &&&&→选择参数规则（Parametric Rule）：Maximum Likelihood
&&&&&&& →选择像元总数作为评价输出统计：pixel Counts
→OK（关闭Contingency Matrix对话框，计算分类误差矩阵）
然后，IMAGINE文本编辑器（Text Editor）被打开，分类误差矩形矩阵将显示在编辑器中供查看统计.
3.执行监督分类(Perform Supervised Classification)
下面是执行监督分类的操作过程：
ERDAS图标面板菜单条：Main→Image Classification→Classification 菜单
或ERDAS图标面板工具条：点击Classifier图标→Classification菜单
→Supervised Classification 菜单项
→Supervised Classification 对话框
在Supervised Classification对话框中，需要确定下列参数：
→确定输入原始文件（Input Raster File）： ljxtm.img
→定义输出分类文件（Classified File）： Classify.img
→确定分类模板文件（Input Signature File）： Lz.sig
→选择输出分类距离文件：Distance File（用于分类结果进行阈值处理）
→定义分类距离文件（Filename）：lz-distance.img
→选择非参数规则(Non_parametric Rule):Feature Space
→选择叠加规则(Overlay Rule):Parametric Rule
→选择未分类规则(Unclassified Rule):Parametric Rule
→选择参数规则(Parametric Rule):Maximum Likelihood
→不选择Classify zeros（分类过程中是否包括0值）
→OK （执行监督分类，关闭supervised Classification对话框）
说明：在Supervised Classification对话框中，还可以定义分类图的属性表项目：
→点击Attribute Options按钮
→打开Attribute Options对话框
通过Attribute Options对话框，可以确定模板的哪能些统计信息将被包括在输出的分类图像层中。这些统计值是基于各个层中模板对应的数据计算出来的，而不是基于被分类的整个图像。
→在Attribute Options对话框上作出选择
→OK（关闭Attribute Options对话框）
→返回Supervised Classification对话框
4.评价分类结果(Evaluate classification)
执行了监督分类之后，需要对分类效果进行评价，ERDAS系统提供了多种分类评价方法，包括分类叠加(classification overlay )、定义阈值(thresholding)、分类编码 (recode classes)、精度评估(accuracy assessment)等，下面有侧重的进行介绍。
4．1分类叠加(Classification Overlay)
分类叠加就是将专题分类图像与分类原始图像同时在一个视窗中打开，将分类专题层置于上层，通过改变分类专题的透明度（Opacity）及颜色等属性，查看分类专题与原始图像之间的关系。对于非监督分类结果，通过分类叠加方法来确定类别的专题特性、并评价分类结果。对监督分类结果，该方法只是查看分类结果的准确性。
4．3分类重码
对分类像元进行了分析之后，可能需要对原来的分类重新进行组合（如将林地1与林地2合并为林地），给部分或所有类别以新的分类值从而产生一个新的分类专题层。该功能的
4．4分类精度评估
&分类精度评估是将专题分类图像中的特定像元与已知分类的参考像元进行比较，实际工作中常常是将分类数据与地面真值、先前的试验地图、航空相片或其它数据进行对比的途径之一。下面是具体的操作过程：
第一步：在视窗中打开原始图像
在Viewer中打开分类前的原始图像，以便进行精度评估。
第二步：启动精度评估对话框
ERDAS 图标面板菜单条：Main→Image Classification →Classification
或ERDAS 图标面板工具条：点击Classifier 图标→Classification菜单
→选择Accuracy Assessment菜单项
→打开Accuracy Assessment对话框
Accuracy Assessment 对话框中显示了一个精度评估矩阵（Accuracy Assessment Cellarray）。精度评估矩阵中将包含分类图像若干像元的几个参数和对应的参考像元的分类值。这个矩阵值可以使用户对分类图像中的特定像元与作为参考的已知分类的像元进行比较，参考像元的分类值是用户自己输入的。矩阵数据存在分类图像文件中。
第三步：打开分类专题图像
Accuracy& Assessment 对话框菜单条：File→Open
→打开Classified Image对话框
→在Classified Image对话框中确定与视窗中对应的分类专题图像
→OK（关闭Classified Image对话框）
→返回Accuracy Assessment对话框
第四步：将原始图像视窗与精度评估视窗相连接
Accuracy Assessment对话框：
→工具条：点击Select Viewer图标 （或菜单条：选择View 菜单的Select Viewer）
→将光标在显示有原始图像的视窗中点击一下
→原始图像视窗与精度评估视窗相连接
第五步：在精度评价对话框中设置随机点的色彩
Accuracy Assessment对话框：
→菜单条View →Change Colors菜单项
→打开Change color面板
→在Points with no Reference确定没有真实参考值的点的颜色
→在Points with Reference确定有真实参考值的点的颜色
→OK（执行参数设置）
→返回Accuracy Assessment对话框
第六步：产生随机点
本步操作将在分类图像中产生一些随机的点，随机点产生之后，需要用户给出随机点的实际类别。然后，随机点的实际类别与在分类图像的类别将进行比较。
Accuracy Assessment对话框：
→Edit →Create/Add Random Points
→打开Add Random Points对话框
&&& →在search Count中输入1024
&&& →在Number& of Points中输入20
&&& →在Distribution& Parameters选择Random单选框
&&& →OK（按照参数设置产主随机点）
&&& →返回Accuracy Assessment对话框
&&& 可以看到在Accuracy& Assessment对话框的数据表中出现了10个比较点，每个点都有点号、X＼Y坐标值、& Class、& Reference等字段，其中点号、& X／Y坐标值字段是有属性值的。
&&& 说明：在Add& Random& Point对话框中，& search& Count是指确定随机点过程中使用的最多分析像元数，当然这个数目一般都比Number of Point大很多，Number of Points设为20说明是产生20个随机点，如果是做一个正式的分类评价，必须产生20个以上的随机点。选择Random意味着将产主绝对随机的点位，而不使用任何强制性规则。Equalized& Random是指每个类将具有同等数目的比较点。stratified& Random是指点数与类别涉及的像元数成比例，但选择该复选框后可以确定一个最小点数（选择Use& Minimum& Points）,以保证小类别也有足够的分析点。
&&& 第七步：显随机点及其类别
Accuracy Assessment对话框：
→View. →Show All(所有随机点均以第五步年设置的颜色显示在视窗中)
→Edit→Show Class Values（各点的类别号出现在数据表的class字段中）
第八步：输入参考点的实际类别值
Accuracy Assessment对话框：
→在数据表的Reference字段输入各个随机点的实际类别值（只不要输入参考点的实际分类值，它在视窗中的色彩就变为第五步设置的Point With Reference颜色）
第九步：设置分类评价报告输出环境及输出分类评价报告
Accuracy Assessment对话框：
→Report →Options
→通过点击确定分类评价报告的参数
→Report→Accuracy Report（产生分类精度报告）
→Report→Cell Report（报告有关产生随机点的设置及窗口环境）
→所有报告将显示在ERDAS文本编辑器窗口，可以保存为本文件
→File→Save Table（保存分类精度评价数据表）
→File→close （关闭Accuracy Assessment对话框）
通过对分类的评价，如果对分类精度满意，保存结果。如果不满意，可以进一步做有关的修改，如修改分类模板等，或应用其它功能进行调整。