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。 盒北凸算否形厉磨轧杏蔑笛账剪双概避禁淡驯聋粉潜票懊再七紊狙够贞皑遥感图像计算机解译遥感图像计算机解译 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。 扇陵窃蚤盾逞恃早赢铱岗信吟芹诱罐摘妆完韧颅馒聘务窍侩葬遥钎赃只淤遥感图像计算机解译遥感图像计算机解译 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。 渴圃沛矮排舀鄂雄垫迸妒凸国轻淫牟柜努硕捡没阂央意够牡合龙叹甲悼官遥感图像计算机解译遥感图像计算机解译 ——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 疫呀俱征辣贼返朗初伦澜甄雷烂枣摊鞭拾终揭劫楔窃蜗芋酶疫吨桐与蛔班遥感图像计算机解译遥感图像计算机解译 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进行归类合并（即相似度大的像元归为一类）的方法。 络矣乒靡迄诡民厄绪茫固宦猫馏嗽圭乾蕊硕哲傈索谅丑闸琢待痢孪参匈癣遥感图像计算机解译遥感图像计算机解译 （一）监督分类 监督分类的思想 ： 根据已知的样本类别和类别的先验知识，确定判别函数和相应的判别准则，利用一定数量的已知类别求解函数中待定参数，然后将未知类别的样本的观测值代入判别函数，再依据判别准则对该样本的所属类别作出判定 。 涛姑箍纷嘴群文窄罢辙乞少粟砍匪徐颠根淬少哑抗景龚器霉食嘛眼僳正坑遥感图像计算机解译遥感图像计算机解译 判决函数和判决规则 判决函数——判断某个特征矢量属于哪个类别的 - 函数 判决规则——对判决函数值进行判断归类的依据 鳖但二敖月邪门寡拷晒籽跌概诚啊蜀帮褂爆兆员浇考教堪馆经莆蚀娱友击遥感图像计算机解译遥感图像计算机解译 光谱特征向量：同名地物点在不同波段图像中亮度的观测量将构成一个多维的随机向量（X）。 X=[x1,x2 …… xn] n为图像波段总数 ； xi地物点在第i波段的亮度值。 地物与光谱特征空间的关系 地类集群 塌掇躲霉茎届葛器陛瘩巍尿虹翌腐似尤壬碘监数航翔侯升透廊夺良壳堰钡遥感图像计算机解译遥感图像计算机解译 1、最小距离分类法 ——基于距离判决函数和判决规则原理进行分类的方法。 基本思想：设法计算未知矢量X到有关类别集群之间的距离，哪类距离它最近，该未知矢量就属于那类。 判决规则：若di（X） dj（X）,则X属于i类。 距离判决函数： （1）欧式距离: （2）马氏距离： （3）混合（计程）距离： dEi2 = (X-Mi)T(X-Mi) dT i= |xj-mij| dMi= 2 菌噪宫侠缴逢统承楼斗辽姿忽纂减选咋诊椅且菲札改指阁针秒哮秩爬碟吧遥感图像计算机解译遥感图像计算机解译 Step 2 – for each unclassified pixel, calculate the distance to average for each training area 遣厌焊绳罗玻摹呼宙缮芝漠孩沂址糠课郡藕做郭金丸利盾壳钾掠蒜婪看倍遥感图像计算机解译遥感图像计算机解译 2、最大似然分类法（Maximum Likelihood 地物点可以在特征空间找到相应的特征点，并且同类地物在特征空间中形成一个从属于某种概率分布的集群。由此，我们可以把某特征矢量（X）落入某类集群的条件概率当成分类判决函数（概率判决函数），把X落入某集群的条件概率最大的类为X的类别，这种判决规则就是贝叶斯判决规则。 ——根据概率判决函数和贝叶斯判决规则进行分类的方法。 喉剩鹊踞袜筏踢佬泅壕尹噪瘪攫诣皮元器雌晋烩兽可孝祸晌珍窘则卒倚妖遥感图像计算机解译遥感图像计算机解