遥感入门图像分类教案分析.pptVIP

初始类别参数的选定 最大最小距离选心法 （4）重复上面步骤，直到初始类别的个数达到需要的个数为止。 非监督分类 K－Means算法 K－means算法称作K－均值算法。其基本思想是：通过迭代，移动各个基准类别的中心，直至得到最好的聚类结果为止。算法如下： 第一步：初始类别的中心选择，可按上法进行选择。假设有c个初始类别，其中心分别为 非监督分类 K－Means算法 第二步：在第k次迭代中，对于任一样本X按如下方法把它调整到c个类别中的某一类中去。 对于所有的i不等于j，i＝1，2，…，c 非监督分类 K－Means算法 第三步：由第二步得到 类新的中心 非监督分类 K－Means算法 第四步：对所有的j＝1，2，…，c，如果 ，则迭代结束，否则转到第二步继续迭代。 * n 遥感图像分类 概述-遥感图像计算机分类的一般原理 遥感图像的解译 目视解译 计算机自动解译 光谱特征 如图： 这种同类聚集的特性说明，如果按照地物类别聚集的规律把多光谱 空间划分为若干个子空间，每一子空间包含有一个类别，这样就 可以把图像中未知的像元进行分类，把他们分配到各自的子空间 中去。 遥感图像的计算机分类 1）监督分类和非监督分类 监督分类：基于对于图像上样本区内的地物类属已有先验的知识，即已经知道它所对应的地物类别，于是可以利用