遥感导论数字图像计算机解译教案分析.ppt

影响分类的有关因素 提高遥感图像分类精度受到限制 大气效应 下垫面 地物复杂，地形起伏，边界不规律 实地调研 影响分类的有关因素 提高分类策略 优化特征变量 优化训练区 充分利用空间信息 作业 监督分类和非监督分类常见的方法有哪几种？试比较监督分类与非监督分类的优缺点。 本章结束 地球信息系 赵珊珊 地球信息系 赵珊珊 地球信息系 赵珊珊 概述 地球信息系 赵珊珊 本章主要内容 计算机分类的基本概念 非监督分类 监督分类 分类后处理 计算机解译 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。 ——自动分类 遥感影像 监督分类图 图例 数字图像 单位：像素 方法：灰度量化；数字化 特点：便于处理；信息损失小；抽象 存储：二维矩阵 分类：波段数量 2.计算机分类 统计模式识别技术 分类依据：地物光谱特征 统计特征变量 ——全局；局部 特征提取 ——从n个特征中选取k个更有效特征的过程 特征空间 计算机分类的依据是图像像素的相似度。 使用距离衡量相似度时，距离越小相似度越大 使用相关系数衡量相似度时，相关程度越大，相似度越大 计算机分类方法（模式识别：光谱，时间） 监督分类法：首先从研究区域选取有代表性的训练场地作为样本。根据已知训练区提供的样本，通过选择特征参数，建立判别函数，据此对样本像元进行分类，依据样本类别特征来识别非样本像元的归属类别。 非监督分类法：在没有先验类别（训练场地）作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小来进行归类合并（将相似度大的像元归为一类）的方法。 根据图像分类目的选取特定区域的遥感数字图像，需考虑图像的空间分辨率、光谱分辨率、成像时间、图像质量等。 根据研究区域，收集和分析地面参考信息和有关数据。 根据分类要求和图像数据的特征，选择合适的图像分类方法和算法。 找出代表这些类别的统计特征。 为测定总体特征，在监督分类中可选择据有代表性的训练场地进行采样，测定其特征。在非监督分类中，可用聚类等方法对特征相似的像素进行归类，测定其特征。 对遥感图像中各像素进行分类。 分类精度检查。 对判别分析的结果统计检验。 数字图像分类基本过程 非监督分类 1. 分级集群法(均值) ? 确定评价各样本相似程度所采用的指标 ? 初定分类总数N ? 计算样本间的距离，据距离最近原则将样本归并到相应地类 ? 归并后的类别作为新类，与剩余的类别重新组合，重新计算改正距离值。 分级进行，初始像元操作次序会影响分类结果。 2. 数字图像分类方法 非监督分类 2. 动态聚类法 ? 在初始状态给出图像粗糙的分类，然后基于一定原则在类别间重新组合样本，直到分类比较合理为止。 ? ISODATA （Iterative-Orgnizing Data Analysize Technique） ? 迭代过程中有类别的合并和分裂，类别总数可变。 2. 数字图像分类方法 数字图像分类方法 监督分类 最小距离分类法 ? 最小距离判别法 ? 最近邻域分类法 监督分类 2. 最大似然比分类法 ? 通过求出每个像素对于各类别的归属概率，把该像素分到归属概率最大的类别中去。 ? 假定训练区地物的光谱特征和自然界大部分随机现象一样，近似服从正态分布。 数字图像分类方法 监督分类 3. 特征曲线窗口法 ? 特征曲线是地物光谱特征曲线参数构成的曲线。 ? 以特征曲线为中心取一个条带，构造一个平行管道，凡是落在此管道内的地物即被认为是一类，反之，则不属于该类。 数字图像分类方法 监督分类步骤 选择有代表性的训练场，确定各地物范围界限 统计各类地物光谱值，提取各地物的数值特征 确定分类判别函数 确定分类参数、阈值等；各类地物像元数值分布都围绕一个中心特征值散布在空间的一定范围，因此给出各类地物的判别阈值，限定分布范围，即可构成分类器来判定类别 数字图像分类方法 监督分类与非监督分类比较 根本区别在于是否利用训练场地来获取先验的类别知识。 监督分类的关键是选择训练场地。训练场地要有代表性，样本数目要能够满足分类要求。此为监督分类的不足之处。 非监督分类不需要更多的先验知识，据地物的光谱统计特性进行分类。当两地物类型对应的光谱特征差异很小时，分类效果不如监督分类效果好 数字图像分类方法 分类后处理与误差分析 聚类统计（小斑的类别的合并） 过滤分析（筛滤） 去除分析（临近类别的归并） 分类重编码（非监督分类） 数字图像分类方法 数字图像分类方法 精度评价 检验数据 检验数据主要来