6.遥感图像自动识别分类.pptxVIP

遥感图像分类 罗艳云 2013.12.11 1 【作　者】韦玉春、汤国安编著 【丛书名】普通高等教育“十一五”国家级规划教材 【出版项】 北京市：科学出版社，2007 参考内容：第九章 遥感图像分类 P208-257 《遥感数字图像处理教程》 2 遥感图像分类 1、 基本原理 2 、分类方法 3 、工作流程 4 、非监督分类 5 、监督分类 6 、分类后处理 7 、分类精度分析 8、 遥感专题制图 3 在遥感应用中，通过遥感图像处理和判读来识别各种地物是主要的工作目的之一。 分类的目的是从图像中识别实际地物，进而提取地物信息。 遥感图像分类的对象是原始遥感图像及各种变换之后的图像，采用决策理论或统计方法对变量特征空间进行划分来达到分类的目的。 遥感图像分类 4 图像的分类 同类地物在相同的条件下(光照、地形等)应该具有相同或相似的光谱信息和空间信息特征。不同类的地物之间具有差异。根据这种差异，将图像中的所有像素按其性质分为若干个类别(class)的过程，称为图像的分类。 遥感图像分类以每个像素的光谱数据为基础进行。 一、 基本原理 假设遥感图像有K个波段，则(i，j)位置的像素在每个波段上的灰度值可以构成表示为X=(x1,x2,…,xk)T，包含X的K维空间称为特征空间，这样K个波段的多光谱图像便可以用K维特征空间中的一系列点来表示。 在遥感图像分类问题中，常把图像中的某一类地物称为模式，而把属于该类中的像素称为样本，X=(x1,x2,…,xk)T可以称为样本的观测值。 5 多光谱图上的每个像素可用特征空间中的一个点表示出来。通常情况下，同一类地物的光谱特性比较接近，因此在特征空间中的点聚集在一起，多类地物在特征空间中形成多个点簇。 一、 基本原理 设曲线的表达式为fAB(X) A，B两类之间的判别界限：fAB(X)=0 判别准则： 如果当fAB(X)0时X∈A;当fAB(X)0时X∈B 判别函数： fAB(X) 遥感图像分类算法的核心就是确定判别函数fAB(X) 和相应的判别准则。 6 遥感图像分类 1、 基本原理 2 、分类方法 3 、工作流程 4 、非监督分类 5 、监督分类 6 、分类后处理 7 、分类精度分析 8、 遥感专题制图 7 根据是否需要分类人员事先提供已知类别及其训练样本，对分类器进行训练和监督，可将遥感图像分类方法划分为监督分类和非监督分类。 监督分类(supervised classification) 事先已经知道类别的部分信息(即类别的先验知识)，对未知类别的样本进行分类的方法。 非监督分类(unsupervised classification) 事先没有类别的先验知识，对未知类别的样本进行分类的方法。 二 、分类方法 8 根据分类使用的统计数学方法可以分为随机统计方法和模糊数学方法分类。 随机统计方法以随机数学理论为基础 包括K-均值分类、最大相似性分类等。 模糊数学方法以模糊数学理论为基础 主要是模糊分类。 二 、分类方法 9 根据一个像素被分到一个类还是多个类，可将遥感图像分类方法分为硬分类和软分类。 硬分类(hard classification) 图像上的一个像素只能被分到一个类的分类方法。 软分类(soft classification) 图像上的每一个像素可以同时被分到两个或两个以上类的分类方法 这时每个像素除了被分类外，还同时允许它在不同的两个或多个类中具有类隶属概率(class membership probability)或部分隶属值(partial membership value)。 二 、分类方法 10 遥感图像分类 1、 基本原理 2 、分类方法 3 、工作流程 4 、非监督分类 5 、监督分类 6 、分类后处理 7 、分类精度分析 8、 遥感专题制图 11 三、遥感图像分类的工作流程 图像预处理 选择分类方法 特征选择和提取 选择合适的分类参数进行分类 分类后处理 成果输出 12 遥感分类基本过程 根据图像分类目的选取特定区域的遥感影像，考虑空间分辨率、光谱分辨率、成像时间、图像质量等。 根据研究区域，收集与分析地面参考信息与有关数据。 根据分类要求和影像的特征，选择合适的图像分类方法和算法。制定分类系统，确定分类类别。 找出代表这些类别的统计特征 测定总体特征，在监督分类中可选择具有代表性的训练场地进行采样。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。 对判别分析的结果进行统计检验。 13 1) 确定工作范围 可以通过图像裁剪和图像掩膜方法将工作范围的图像提取出来。 2) 多源图像的几何配准 对某一特定地区来说，有时可能没有数字图像；或者需要使用卫星照片或底片扫描得到数字