第8章遥感图像自动识别分类要点分析.pptxVIP

第八章 遥感图像自动识别分类 本章主要内容 基础知识 特征提取与特征选择 分类器设计 监督/非监督分类 分类后处理 其他分类方法简介 本课主要内容 模式、模式识别 模式的集群性 模式识别系统 模式识别方法 模式识别的复杂性 本课重点内容 模式识别系统 遥感图像自动分类是模式识别在遥感中的具体应用 一、模式、模式识别 模式： 现实中一切可被观察的事物（人） 具有空间或时间分布的信息（机） 计算机处理下的模式 模式识别：按事物相似程度分类（人） 模式类向符号所做的映射（机） 样本、类、分类 图像理解：基于图像的模式识别 第八章 遥感图像自动识别分类 §8.1 基础知识 二、模式的集群性 模式识别的前提： 相似性（人） 空间上的集群性（机） 举例： 集群性的3种情况：理想情况 典型情况 一般情况 模式识别核心问题之一：选择合适特征，使得各类聚类性最好。 第八章 遥感图像自动识别分类 §8.1 基础知识 序号 特征 门限 分类精度 0 年龄 50% 1 体重 60kg 70% 2 身高 163cm 75% 3 头发长度 15cm 85% 4 胸围腰围比 1.2 95% 5 喉结 99% 6 染色体 100% 成年男女特征分类示例 从上表可以看出： 1、特征的选择特别重要，即便是完全可分的情况，若选错特征也会造成完全不可分的现象（区分男女以年龄为特征）。 2、特征的提取要充分考虑到其易得性和综合成本（时间、费用），在区分男女时即便染色体特征分类效果最理想，但由于特征获取不方便，一般不予采用。 3、将男错判为女，或将女错判为男，其产生消极后果没有区别，但现实中“弃真”造成的消极后果一般要大于“存伪”错误。 本健康但错判断为癌症：存伪，虚惊一场； 本有癌症但错判为健康：弃真，耽误治疗。 第八章 遥感图像自动识别分类 §8.1 基础知识 三、模式识别系统 1、数据获取: 图像，波形，物理参量 2、预处理: 去噪、增强、退化复原 3、特征提取与选择 4、分类决策 四、模式识别基本方法 概括地分为统计识别和句法识别两大类 具体分类如下： 统计模式识别（线性空间+最优化理论） 句法模式识别（基元及它们的结构关系描述对象） 模糊模式识别（隶属函数 ） 人工神经网络（自学习、自适应、容错性） 第八章 遥感图像自动识别分类 §8.1 基础知识 五、模式识别的复杂性 低等动物的分类：遗传，自然淘汰 人类的识别能力：后天学习，经验，行为的成败 1、目前计算机自动识别水平 2、模式识别（工业自动化）对人类生产的巨大贡献 邮件/食品分拣/超市条形码扫描 文字/语音/视频识别 考勤/安检（身份识别） 天网中存在的问题：海量视频自动识别 第八章 遥感图像自动识别分类 §8.1 基础知识 本课重点内容 特征提取与选择概念 类别可分离判据 基于K-L变换的特征提取 第八章 遥感图像自动识别分类 §8.2 特征提取与特征选择 一、概念及作用 1、抽取特征目的：降低维数/去相关性/突出特征 2、常见影像特征 形状特征（面积/周长/圆形度/不变矩/欧拉数/链码） 波谱特征（光谱特征，波谱响应曲线） 纹理特征（直方图，共生矩阵，行程统计量） 第八章 遥感图像自动识别分类 §8.2 特征提取与特征选择 第八章 遥感图像自动识别分类 §8.2 特征提取与特征选择 3、特征提取与特征选择概念（例：成绩） 特征提取 特征选择 本质 对原n维特征空间坐标变换，再取子空间。 直接从原始获得的D个特征中选出d个特征 特点 有新特征产生 化学变化 没有新特征产生 物理变化 方法 KL变换、类别可分离判据、Fisher变换、哈达玛、穗帽变换 穷举法、最优搜索算法、次优搜索算法、遗传算法、Tabu算法 第八章 遥感图像自动识别分类 §8.2 特征提取与特征选择 二、特征提取 1、基于类别可分离性判据的特征提取 第八章 遥感图像自动识别分类 §8.2 特征提取与特征选择 ◎示意图： ◎原理：