erdas进行面向对象分类，面向对象分析得到的类图

像元二分模型如何在ERDAS中实现

二值化在ENVI中可以通过band math来实现。band math是利用简单的算术表达式来解决波段运算的功能。二值化的实现，需要用到band math的逻辑运算功能，具体的表达式的书写，你可以查看帮助文件，或者找一本操作指南看看。举个例：将某一波段中灰度值大于等于100的像元赋予10，其他的赋予20。

个图像的叠加顺序为germtm.img在下，germtm_isodat.img在上，germtm.img显示方式用 红（4）、绿（5）、蓝（3），保证两幅图像叠加显示 。

分辨率是由原始数据决定的，不可能提高。现在说的细分像元也是按照一定的模拟算法来实现的，可能在有些地方看起来提高了分辨率，但其实与实际情况还是不一样的。ERDAS目前还没有这种算法。

通过在ERDAS下利用空间建模语言(SML)实现该分割算法，分别将图4-图4-9和图4-11变化图像作为输入对象，进行双阈值模糊识别分割，得到的二值变化图像取合集最终结果如图4-16所示。

(1)ERDAS图标面板菜单条 Main→Data Preparation→Subset Image菜单或ERDAS图标面板工具条：点击Data Prep图标 →Subset Image，打开Subset Image对话框(图5-7)。

请问使用ERDAS软件进行遥感影像数据可视化、分类时,具体的一个软件使用...

1、在erdas的interpreter模块中将单波段影像进行合成，生成多波段文件，具体操作步骤为：interpreter-utilities-layer stack，① 在出现的对话框中import框中依次选择需要合成的波段，每选择输入一个波段用Add添加一次；② output file选择导出文件路径及命名文件。

2、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。

3、ERDAS IMAGINE产品套件：它是一个用于影象制图、影象可视化、影象处理和高级遥感技术的完整的产品套件。

Erdas监督分类实验报告

1、遥感实验七实验目的初步掌握数字图像计算机分类的基本操作；掌握非监督分类和监督分类的基本操作步骤，理解监督分类和非监督分类的区别。

2、在执行监督分类之后，需要对分类效果进行评价。ERDAS提供了多种分类评价方法，包括分类叠加(classificationoverlay)、定义阈值(thresholding)、分类编码(recodeclasses)、精度评估(accuracyassessment)等，本文主要讲述精度评估方法。

3、监督分类又称训练场地法或先学习后分类法。它是先选择具有代表性的典型试验区或训练区，用训练区已知地面样本的光谱特征来“训练”计算机，获得识别各类地物的判别模式或判别函数，并依此模式或判别函数，对未知地区的像元进行处理分类，分别归入到已知的类别中，达到自动分类识别的目的。

4、实验目的 通过使用ENVI的六种主要的遥感监督分类器——平行六面体分类、最小距离分类、马氏距离分类、最大似然分类、神经网络分类和支持向量机分类的命令，加深对遥感监督分类原理的理解，了解其技术实现过程，初步掌握其ENVI功能命令的基本使用操作。

erdas进行面向对象分类的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于面向对象分析得到的类图、erdas进行面向对象分类的信息别忘了在本站进行查找喔。