第六章计算机自动分类精要.pptVIP

第六章 遥感影像计算机自动分类 遥感数字图像计算机分类 以遥感数字图像为研究对象，在计算机系统支持下，综合运用地学分析、遥感图像处理、地理信息系统、模式识别与人工智能技术，实现地学专题信息的智能化获取。 利用计算机对遥感图像中各类地物的光谱信息和空间信息进行分析，选择特征，并用一定的方法将特征空间划分为互不重叠的子空间，然后将图像的各个像元划归到各个子空间中去。 模式识别 从被识别的对象（模式）中提取一些反映对象属性 的度量——特征（变量），把它定义在一个特征空间 中，然后利用统计决策的原理对特征空间进行划分， 以区分不同特征的对象达到分类目的。 遥感数字图像计算机分类 计算机解译难度很大，原因有三： 遥感成像影响因素很多：传感器、大气条件、太阳位置等； 遥感影像信息量丰富； 遥感成像受地域、季节、成像方式影响。 遥感数字图像的性质与特点 数字图像：以数字形式表示的遥感影像； 像素（pixel） ，是计算机图像处理的最小单元，是成像过程的采样点。 像素的两个特征： 空间特征：地理位置信息；地表面积信息。 属性特征：用亮度值来表示。 遥感图像像素面积——瞬间视场角在地表的投影面积 像素的数值(辐射定标) 像素的数值：由传感器探测到的地面目标地物的电磁辐射强度决定。 R = V * ( R max-R min ) / D max+ R min 其中： 相对辐射亮度值（V ） 绝对辐射亮度值（R） Rmax、Rmin：探测器可检测到的最大、最小辐射亮 度； Dmax为遥感数字图像有效量化的级数； R：辐射亮度（mw/（cm2.sr）） V：像素表征的地物辐射亮度的相对值（R-Rmin）。 像素：纯净像素，混合像素 数字图像的表示 二维数组 每元素代表一个像素，像素的坐标位置隐含 （由元素在数组中的行、列位置决定） 元素的值：表示传感器探测到像素对应面积上目标地物电磁辐射强度； 例：一幅单波段遥感数字图像可表示为 F = f（xi,yj）, i=1,2,……,m, j=1,2,……,n i：行号，j：列号 f（xi,yj）表像素在（xi,yj）上目标地物电磁辐射 强度； 多波段数字图像 多波段数字图像存贮、分发的三种数据格式：BSQ、BIP、BIL. BSQ：Band Sequential数据格式：以波段顺序依次排列。 BIP：Band Interleaved by pixel 像元按波段次序交叉排列。 BIL：Band Interleaved by Line 逐行按波段次序排列 BSQ：Band Sequential数据格式：以波段顺序依次排列。 BIP：Band Interleaved by pixel像元按波段次序交叉排列 BIL：Band Interleaved by Line逐行按波段次序排列 航空像片的数字化 航空像片的数字化 （二）属性量化 将航片上连续变化的黑白亮度量化为64或256个灰度级，以得每个像元的数字模拟量（与航片中对应位置上的灰度相对应），一般用等距量化。 可用扫描仪进行； 数字化的质量取决于： 航片质量； 采样间距：扫描仪光学分辨率 属性量化精度：航片种类。 分类前的预处理 图像校正（辐射校正和几何校正） 图像增强 特征选取：分类时所用的波段或波段组合称为特征，这个选择过程为特征选取。 这种选择出来的、新的对于表示类别可分性更为有效的变量称为特征参数，n个特征参数组成n维特征空间。 特征选取 分类时所用的波段或波段组合称为特征，这个 选择过程为特征选取。 1.定性的方法 2. 相关系数法?? 距离测度类内距离越小，类间距离越大?? 散布矩阵测度类内散布矩阵和类间散布矩阵 特征选取方法 相关系数法 求取（影像）特征间的相关系数如：TM2和TM3的相关系数为0.89，说明有许多地物相关性很强，冗余度大，只需选择其中一个影像参加分类就可以。而TM3与TM4的相关系数仅为0.23，说明两个波段的相关性小，需两个波段都参与分类。 特征提取 概念：在特征选择之后，利用特征提取算法，从n个 特征中选取k个最能反映其类别特征的一组新特征，并以这k个特征进行分类。（n﹥k） 目的：数据量有所减少，去相关，有助于分类。 常用的特征提取方法：主分量变换、比值变换以及 穗帽变换等。 光谱反射曲线与光谱类别 光谱类别到信息类别 根据多光谱空间内的光谱聚集现象可以分辨出光谱类别。 与具体地物对应的类别为信息类别。 同一种地物不同的光谱曲线,称为同物异谱。 这时是同一种信息类别包含有几个光谱类别。 不同的地物出现类似的光谱特征,称为异物同谱。这时某一光谱