遥感图像处理论文.docVIP

2011年春季学期期末考试 数 字 图 像 处 理 院校： 班级： 学号： 姓名： 遥感数字图像监督分类与非监督分类比较研究 内容摘要：本文主要遥感像分类的监督分类法遥感作为近几十年迅速发展起来的一门综合性技术学科，因其具有观测范围广、采集信息量大、获取信息速度快等特点，已经在民用和军用的众多领域发挥了重大作用。遥感图像处理是遥感科学与具体应用相结合的重要技术途径。遥感图像分类是遥感图像处理的一个重要内容，其中监督分类作为一种先学习后分类的机器学习策略，是对遥感图像进行定量分析的主要手段，应用领域十分广阔。 随着传感器、遥感平台、数据通信等相关技术的发展，通过遥感手段获取的数据量急剧膨胀，迫切需要快速遥感图像处理技术的支持。同时，各应用领域对遥感图像的处理速度和分析结果的量化程度要求越来越高。高精度、快速的遥感图像监督分类技术是遥感科学走向实用化、产业化的一个重要突破口。训练区。计算各训练区内像元的平均灰度值，以此作为类别中心并计算其协方差矩阵。对于图像各未知像元，则计算它们和各类别中心的距离。当离开某类别中心的距离最近并且不超过预先给定的距离值时，此像元即被归入这一类别。当距离超过给定值时，此像元归入未知类别，最大似然率法是常用的监督分类法。 2、非监督分类法：根据各波段图像像元灰度分布的统计量，设定N个均值平均分布的类别中心。计算每个像元离开各类别中心的距离，并把它归入距离最近的一类。所有像元经计算归类后算出新的类别中心，然后再计算各个像元离开新类别中心的距离，并把它们分别归入离开新类别中心最近的一类。所有像元都重新计算归类完毕后，又产生新的类别中心。这样迭代若干次，直到前后两次得到的类别中心之间的距离小于给定值为止。 二、监督分类法与非监督分类法的比较 1、监督分类包括利用训练区样本建立判别函数的 “ 学习 ” 过程和把待分像元代入判别函数进行判别过程。监督分类中常用的具体分类方法包括： 　　(1) 最小距离分类法，最小距离分类法原理简单，分类精度不高，但计算速度快，它可以在快速浏览分类概况中使用。 　　(2) 多级切割分类法，多级分割法分类便于直观理解如何分割特征空间，以及待分类像素如何与分类类别相对应。 　　(3) 特征曲线窗口法，特征曲线窗口法可以根据不同特征进行分类，如利用标准地物光谱曲线的位置 (nm) 、反射峰或谷的宽度和峰值的高度作为分类的识别点，给定误差容许范围，分别对每个像素进行分类；或者利用每一类地物的各个特征参数上、下限值构造一个窗口，判别某个待分像元是否落入该窗口，只要检查该像元各特征参数值是否落入到相应窗口之内。特征曲线窗口法分类的效果取决于特征参数的选择和窗口大小。各特征参数窗口大小的选择可以不同，它要根据地物在各特征参数空间里的分布情况而定。 　　(4) 最大似然比分类法，最大似然比分类法 (maximum likelihood classifier) 是经常使用的监督分类方法之一，它是通过求出每个像素对于各类别归属概率，把该像素分到归属概率最大的类别中去的方法。最大似然比分类法在多类别分类时，常采用统计学方法建立起一个判别函数集，然后根据这个判别函数集计算各待分像元的归属概率。这里，归属概率是指：对于待分像元 x ，它从属于分类类别 k 的(后验)概率。 非监督分类的前提是假定遥感影像上同类物体在同样条件下具有相同的光谱信息特征。非监督分类方法不必对影像地物获取先验知识，仅依靠影像上不同类地物光谱信息(或纹理信息)进行特征提取的统计特征的差别来达到分类的目的，最后对已分出的各个类别的实地属性进行确认。非监督分类主要采用聚类分析方法，聚类是把一组像素按照相似性归成若干类别，即 “ 物以类聚 ” 。它的目的是使得属于同一类别的像素之间的距离尽可能的小而不同类别上的像素间的距离尽可能的大。常用的方法有： 　　(1) 分级集群法( Hierarchical Clustering ) 　　分级集群法采用“距离”评价各样本(每个像元)在空间分布的相似程度，把它们分布分割或者合并成不同的集群。每个集群的地理意义需要根据地面调查或者与已知类型的数据比较后方可确定。 　　(2) 动态聚类法 　　在初始状态给出图像粗糙的分类，然后基于一定原则在类别间重新组合其样本，直到分类比较合理为止，这种聚类方法就是动态聚类。 ISODATA ( ISODATA ： Iterative - Orgnizing Data Analysize Technique 迭代自组织数据分析技术)方法在动态聚类法中具有代表性。 1）首先明确遥感图像分类的目的及其需要解决的问题，在此基础上根据应用目的选取特定区域的遥感数字图像，图像选取中应考虑图像的空间分辨率、光谱分辨率、成像时间、