(精)遥感数字图像计算机解译整理.pptVIP

第一章：绪论 第六章 遥感数字图像的计算机解译 6.1 遥感图像的计算机分类 6.1 遥感图像的计算机分类 6.1 遥感图像的计算机分类 6.1 遥感图像的计算机分类 6.1.1 分类原理与基本过程 1) 遥感图像计算机分类的依据是遥感图像像素的相似度。常使用距离和相关系数来衡量相似度。 采用距离衡量相似度时，距离越小相似度越大。 采用相关系数衡量相似度时，相关程度越大，相似度越大。 6.1 遥感图像的计算机分类 3)遥感数字图像计算机分类基本过程 根据图像分类目的选取特定区域的遥感数字图像，需考虑图像的空间分辨率、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。 根据分类要求和图像数据的特征，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 3)遥感数字图像计算机分类基本过程 为了测定总体特征，在监督分类中可选择具有代表性的训练场地进行采样，测定其特征。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。 1 类别的合并 2 筛滤 3 临近类别的归并 4 多数或者少数分析 5 图象分割 6 类别的叠加 1 精度评价流程 2 检验数据 3 采样方法 4 混淆矩阵 5 Kappa统计 检验数据主要来自于地面实况的调查或更高空间分辨率的航空图像的目视解译结果，但根据航空影像解译结果往往产生保守的精度。 ENVI软件中通过定义ROI来实现。 ①简单随机采样（Simple Random Sampling） ②分层随机采样（Stratified Simple Random Sampling） ③聚类采样（Cluster Sampling） ④系统采样（System Sampling） ⑤分层系统采样（Stratified System Sampling） 除了聚类采样以块以外，其余4种方法都以像元为基本单位。 检验样本的采样方法是影响精度评价结果的重要因素。 总体精度并不能排除偶然一致性，因此一些研究人员推荐使用Cohen（1960）提出的kappa统计评价方法。kappa统计也是根据混淆矩阵来计算。 Kappa统计用到了混淆矩阵中每一个元素，用来度量实际吻合（Actual Agreement）和变化吻合（Change Agreement），比只计算总体精度要合理些。它在评价不同分类器的分类精度上耕具有统计意义上的辨析能力。 Kappa统计的意义是：如果Kappa统计为0.7，则表示所用的分类方法比随机赋予各点某一类别的方法优越70%。目前kappa统计也成为评价分类结果的一个标准参数。 1、未充分利用遥感图像提供的多种信息 只考虑多光谱特征，没有利用到地物空间关系、图像中提供的形状和空间位置特征等方面的信息。 统计模式识别以像素为识别的基本单元,未能利用图像中提供的形状和空间位置特征,其本质是地物光谱特征分类.水体的分类. 一、地物边界跟踪法 点状地物与面状地物的边界跟踪 线装地物信息检测与跟踪 二、形状特征描述与提取 地物形状特征的描述 地物形态特征的提取 三、地物空间关系特征描述与提取 不同地物之间的空间关系：方位关系、包含关系、相邻关系、相交关系、相贯关系。 空间关系特征提取与描述 （1）方位关系的提取 （2）包含关系特征提取与描述 （3）相邻关系特征抽取 （4）相交关系特征抽取 （5）相关关系特征的提取 专家系统：把某一特定领域的专家知识与经验形式化后输入到计算机中，由计算机模仿专家思考问题与解决问题，是代替专家解决专业问题的技术系统。 遥感图像解译专家系统的组成 图像处理与特征提取子系统 遥感图像解译知识获取子系统 遥感图像解译专家系统的机理 计算机解译的主要技术发展趋势 1、图像处理与特征提取子系统：包括图像处理、地形图数字化、精纠正、特征提取，结果存贮在遥感数据库内。 2、遥感图像解译知识获取系统：获取遥感图像解译专家知识，并把专家知识形式化表示，存贮在知识库中。 3、狭义的遥感图像解译专家系统。 1、图像处理： 图像滤波可消除图像的噪声； 图像增强可突出目标物体与背景的差异； 大气纠正可消除大气散射、雾霁等影响； 几何精校正后的数字影像可与专题图精确复合； 2、分类与特征提取子系统 从图像中抽取光谱特征、图像特征和空间特征，为专家系统进行推理、判断及分析提供依据。 1、遥感图像解译知识获取系统的主要功能是知识获取. 2、知识