高光谱遥感图像分类.pptVIP

第七章 高光谱遥感图像分类 7.1 遥感图像分类 利用计算机通过对高光谱遥感图像中的各类地物的光谱信息和空间信息进行分析、选择特征，并用一定的手段将特征空间互分为互不重叠的子空间，然后将图像中的各个像元划分到各个子空间去。 构造分类器 分类器如下图所示是把未知模式识别为已知模式的工具，要实现这一功能，它由以下四个部分组成：分类特征，分类判据，分类准则，分类算法。 1）遥感图像的分类特征 分类特征即将各类模式区分开来的特征，常用的高光谱图像的分类特征就是光谱特征，主要分为：光谱反射率、波形、光谱数学变换特征、光谱吸收指数、导数光谱波形等。 除此之外，还有几何特征，多时相特征（融合），数字变换特征（ＮＤＶＩ），高程信息等。它们都可以作为分类的依据加入到分类模型当中。 2）分类判据 相似性作为分类判据的度量：可以表现为不同的 形式: 距离值（Distance Value）：像素或像素组信号特征向量之间距离值的大小来衡量。假如样本均线性可分－－欧式距离 假如样本正态分布－－马氏距离，假如样本线性不可分－－似然度 概率值（Probability Value）：像素信号特征向量与某一像素组的似然性的大小为相似性的量度 光谱角值（Spectral Angle Value）：像素或像素组之间光谱角的大小为相似性量度。光谱波形特征－－光谱相似度或光谱夹角 3）分类准则 最常用的分类准则是：最小