影像分类_复习.ppt.ppt

遥感影像计算机分类 Dept. of Land Information Engineering Chuzhou University 一、分类原理与基本过程 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。 一、分类原理与基本过程 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 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。 二、图像分类方法 1、监督分类 二、图像分类方法 1、监督分类 二、图像分类方法 1、监督分类 二、图像分类方法 1、监督分类 二、图像分类方法 1、监督分类 二、图像分类方法 1、监督分类 二、图像分类方法 2、非监督分类 二、图像分类方法 2、非监督分类 二、图像分类方法 遥感图像计算机分类 （1）未充分利用遥感图像提供的有用信息 遥感数字图像计算机分类的依据是像素具有的多光谱特征，并没有考虑相邻像素间的关系。例如，被湖泊包围的岛屿，通过分类仅能将陆地与水体区别，但不能将岛屿与临近的陆地(假定二者地面覆盖类型相同，具有同样的光谱特征)识别出来。这种方法的主要缺陷在于地物识别与分类中没有利用到地物空间关系等方面的信息。（将同一类型分成了两类） 统计模式识别以像素作为识别的基本单元，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的分类。例如，根据水体的光谱特征，在分类过程中可以识别构成水体的像素，但计算机无法确定一定空间范围的水体究竟是湖泊还是河流。这个问题如果引入地物形状特征则可以识别。显然，遥感图像计算机分类未能充分利用遥感图像提供的多种信息。因此图像分类后，可以利用分类的结果，将这些目标对象进行重组，在区域分割或边界跟踪的基础上抽取遥感图像形态、纹理特征和空间关系等特征，然后利用这些特征对图像进行解译。 （2）提高遥感图像分类精度受到限制 分类精度是指与实际地物相比的正确率。正确率包括地物属性被正确识别，以及它们在空间分布的面积被准确度量。遥感数字图像分类结果在没有经过专家检验和多次纠正的情况下，分类精度一般不超过90％（通常60%）。 影响遥感图像分类精度的几个客观因素： 1)大气状况的影响 地物辐射电磁波，必须经过大气层才能到达传感器，大气衰减作用，导致遥感图像灰度级产生偏移；对多时相图像进行分类处理时，由于不同时间大气成分以及湿度不同，散射影响也不同，因此遥感图像中的灰度值不完全反映目标地物辐射电磁波的特征。 为了提高遥感图像分类的精度，必须在图像分类以前进行大气纠正。 2)下垫面的影响 a.垫面的覆盖类型和起伏状态对分类产生影响。受空间分辨率限制，农田中的植被、土壤和水渠，石质山地稀疏的灌丛和裸露的岩石均会形成混合像元，影响分类精度。 解决方法：在分类前分解混合像元，分解成子像元后再分类。 b.山区向阴阳面的同一类地物，由于电磁波辐射能量不同，其灰度值也存在差异，容易造成分类错误。 解决方法：地形起伏变化大时，用比值图像代替原图像进行分类。 3)其他因素的影响 云朵会遮盖目标地物的电磁波辐射，影响图像分类。对于图像中 仅有少量云朵时，分类前可以采用去噪音方法进行清除。 多时相图像分类时，不同景的图像由于成像时光照条件的差别，同一地物电磁波辐射量存在差别，这也会对分类产生影响。 地物边界的多样性，使得判定类别的边界往往是很困难的事。例如，湖泊和陆地具有明确的界线，但森林和草地的界线则不明显，不少地物类型间还存在着过渡地带。 提高分类精度，既需要对图像进行分类前预处理，也需要选择合适的分类方法。 四、遥感图像解译专家系统 遥感图像解译专家系统是模式识别与人工智能技术相结合的产物 模式识别,获取地物多种特征,为专家解译遥感图像提供证据。 人工智能技术，模拟遥感图像目视解译的具体思维过程，进行遥感图像解译。 遥感图像解译专家系统的组成 解译知识库 对遥感图像进行处理、分类和特征提取 从解译专家获取解译知识，构成图像解译知识库。 ?