- 上一篇：基于GIS的宿迁市公共自行车站点布局优化研究
- 下一篇：条件极值的充分条件及其应用
3资料来源与研究方法
3.1实验数据
本文的研究数据是以2012年获取的安徽省淮南市颍上县遥感影像为数据源，经一系列处理裁剪出512×512像元大小的TM遥感影像作为原始实验数据，在ERDAS环境中对裁剪出的影像图作重采样，增强等预处理。
3.2研究方法
利用ERDAS IMAGINE遥感影像处理软件，对研究区的遥感影像进行几何校正、几何配准、主成分分析等预处理。然后分别使用监督分类的3种方法对图像进行相应步骤的分类，从图像中提取出所需研究的土地利用类型，对其精度进行分析，比较出3种方法的优劣以及使用范围。
4实验软件ERDAS简介
ERDAS IMAGINE 是遥感研究领域的一款十分常用而且十分专业的影像处理软件，它是由国外的一家公司经过多年的研究与开发而面向市场的一款遥感影像处理系统。以专业的影像处理技术，人性化的操作界面，强大的产品应用模块和满足用户多种的不同需要著称。在未来的遥感研究领域，ERDAS IMAGINE将会凭借其高度的RS/GIS集成功能，为专业领域学者服务，也将赢得该领域的大份额市场。此外，在ERDAS IMAGINE进行一系列监督分类的过程中，它的模板会根据其所确定的类型的所有像元进行建立，然后依据所得结果，计算机系统会对之前所具有相同特征或者具有相似属性的像元模板进行判断，并进行分类，在此基础上再作评价处理。针对所得结果进行必要的改动或者补充，经过这一些列反反复复的变动修改操作，最终得出一个相比较而言准确精准的模板，然后再对训练区的各个像元进行最终的分类 [6]。
ERDAS IMAGINE 是一款功能十分强大的软件，也是在遥感图像处理领域中综合评价最好的一款应用软件。目前在世界遥感图像专业领域，ERDAS IMAGINE已经占领最大市场份额的软件，在今后的发展中，它会发挥越来越重要的作用。
5监督分类方法的基本原理
5.1最小距离法
5.1.1算法原理
最小距离分类法是对遥感影像进行分类的一种方法。通过所得标准差向量与均值向量，然后计算图像中各像元到各类中心（均值向量）的距离，判断出一个类中心距离所有像元最小，然后将这些像元归入此类。在这其中会运用欧几里得距离和折线距离，以下对二者作简要介绍。