遥感图像计算机解译.pptVIP

第六章 遥感图像计算机解译 计算机解译，又称遥感图像理解(Remote Sensing ImgeryUnderstanding):它以计算机系统为支撑环境，利用模式识别技术与人工智能技术相结合，根据遥感图像中目标地物的各种影像特征(颜色、形状、纹理与空间位置)，结合专家知识库中目标地物的解译经验和成像规律等知识进行分析和推理，实现对遥感图像的理解，完成对遥感图像的解译。 模式与模式识别 “模式”通俗的含义是某种事物的标准形式； 模式识别系统对被识别的物体作一系列的测量，然后将测量结果与“模式字典”中一组“典型的”测量值相比较进而做出归类。 遥感影像分类 分类：将图像中的像元归并为不同的类型，例如，分为不同土地覆盖类型。 分类原理：依据被分类地物的光谱特征，进行特征选择，建立分类识别模式，进行分类。 ——遥感图像地物的光谱特征，即数字图像中同类地物的光谱相似性和异类地物的光谱差异性进行分类。 遥感图像计算机分类依据 分类方法 监督分类法：在研究区域中选择具有代表性的 训练区作为地物的标准样本，根据训练区的样本的光谱特征计算其特征参数（如样本的均值、方差等），建立识别各类地物的判别函数，并以此对未知地区的像元进行分类处理，分别归入到已知的类别中。 非监督分类：是在没有先验类别（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