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
5
（2）K-T变换：又叫缨穗变换，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。
上图为原始图像与缨穗变换的亮度、绿度、湿度分量的比较图。
2、彩色变换：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。
6
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：
HIS到RGB的反变换与此相类似。 3、边缘增强：非定向边缘增强应用Sobel滤波器和Prewitt滤波器对图像运算，首先通过正交卷积算子分别对图像进行边缘检测，然后两个正交结果进行平均。操作过程较简单，关键是滤波器的选择。
4、指数运算：应用一定的数学方法，将遥感图像中不同波段的灰度值进行各种组合运算，计算反映矿物和植被和常用比率和指数。
在ERDAS图标面板工具条中，点击Interpreter/spectral Enhancement/Indices命令，打开Indices对话框。
在对话框中，需要设置输入文件名称、输出文件名称、处理范围、传感器类型、选择指数函数NDVI、输出数据类型等。 六、实验报告格式与内容：
实验报告封面与实验一相同。 先将上述内容简要抄写完毕
（接着写）报告正文（单占一行），（再另起一行写） （简要地写具体内容，可文字形式，最好列表）
7
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
报告正文中应包括以下内容：
你对图像进行下列增强以后图像有何变化：
K-L变换；K-T变换；RGB到IHS的变换；HIS到RG的反变换；Sobel滤波器；Prewitt滤波器NDVI；你的实验结果名称。
实验四 遥感图像分类
一、实验目的：
掌握非监督分类和监督分类的方法，并体会二者的区别。 二、实验要求：
1、注意保存中间结果，比如分类模板，实验中输入的参数要及时记录到实验报告表中，实验结果以自己的名字命名统一交到学委处；
2、实验内容多，同学们应抓紧时间完成。 三、实验用具（仪器、设备、材料等）：
计算机；erdas软件；遥感数字影像 四、实验内容：
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，下面介绍这三种分类方法。
非监督分类运用1SODATA（Iterative Self-Organizing Data Analysis Technique ）算法，完全按照像元的光谱特性进行统计分类，常常用于对分类区没有什么了解的情况。使用该方法时。原始图像的所有波段都参于分类运算，分类结果往往是各类像元数大体等比例。由于人为干预较少，非监督分类过程的自动化程度较高。非监督分类一般要经过以下几个步骤：初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换、统计分析。
监督分类比非监督分类更多地要求用户来控制，常用于对研究区域比较了解的情况。在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。对分类结果进行评价后再对模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。监督分类一般要经过以下几个步骤：建立模板（训练样本）、评价模板、确定初步分类图、检验分类结果、分类后处理、分类特征统计、栅格矢量转换。
1、非监督分类：启动非监督分类；进行非监督分类；显示原图像和分类图像；定义类别颜色、设置不透明度；确定类别意义和精度；标注类别名称和颜色；
8
相关推荐：
loading