航空.航天.地面遥感概念及特点 (2).pdf

第八章 遥感图像自动识别分类 主讲人 张毅 内容提纲 基础知识 特征变换和特征选择 监督分类 非监督分类 监督分类和非监督分类的结合 分类后处理和误差分析 非光谱信息分类 句法模式识别 自动分类新方法 概述 遥感图像的计算机分类，是模式识别技 术在遥感技术领域中的具体运用 目视判读是人类的自然识别智能 计算机分类是人工模拟人类的识别功能 采用决策理论或统计方法 提取一组反映模式属性的量测 ，称之 为特征 光谱特征和纹理特征 8.1 基础知识 模式与模式识别 光谱特征空间 地物在特征空间中的聚类统计特性 8.1.1 模式与模式识别 一个模式识别系统对被识别的模式作一系 列的测量，然后将测量结果与“模式字典” 中一组“典型的”测量 相比较。若和字典 中某一“词目”的比较结果是吻合或比较吻 合，则我们就可以得出所需要的分类结果。 这一过程称为模式识别 。 这一组测量 就是一种模式 。 模式与模式识别 姚明 ROCKETS 11 数据 模式 模式 数据 模式 模式 获取 分割 识别 获取 分割 识别 模式识别的应用 车牌识别 车牌识别 模式识别的应用 信函分拣 信函分拣 模式识别的应用 遥感影像分类 遥感影像分类 8.1.2 光谱特征空间 不同的地物在同一波段图像上表现的亮度一般 互不相同 不同的地物在多个波段图像上亮度的呈现规律 也不相同 同名地物点在不同波段图像中亮度的观测量将 构成一个多维随机向量X，称为光谱特征向量 X [x1 x 2 L x n ]T 如TM图像上任一个点 TM=[TM1，TM2，TM3，TM4，TM5，TM6，TM7] 地物与光谱特征空间的关系 地物在特征空间中的聚类情况 8.1.3地物在特征空间中的聚类统计特性 地物在特征空间的聚类通常是用特征点（或其 相应的随机矢量）分布的概率密度函数来表示 8.2 特征变换和特征选择 目的：减少参加分类的特征图像的数 目，从原始信息中 取能更好进行分类 的特征图像。 特征变换——将原有的m 量 集合通过 某种变换，然后产生n个（n ≤m ）特征 特征选择——从原有的m个测量 集合 中，按某一准则选择出n个特征 8.2.1 特征变换 概念：将原始图像通过一定的数字变换 生成一组新的特征图像，这一组新图像 信息集中在少数几个特征图像上。 目的：数据量有所减少，去相关，有助 于分类。 常用的特征变换：主分量变换、哈达玛