遥感Image Classification and Analysis.ppt

8.1 Basic Knowledge 8.2 Principles of Classification and its Process 8.3 Supervised Classification 8.4 Unsupervised Classification 8.5 Post-Processing?and Accuracy Assessment 8.6 New Methods;1.Image Interpretation ;2 .Digital image classification ;2.Digital image classification ;2 .Digital image classification ;2.Digital image classification ;2.Digital image classification ;Scale:70;8.2 Principles of Classification and its Process;;Criterion(判别准则):由某种判别函数配合以一定的比较运算关系所组成。;;1.Basic Principle：;1.Basic Principle：;（1）绝对距离;使用闵氏距离应注意的问题： 与特征参数的量纲有关（如比值亮度小于1的小数或3位以上的大数量级，须标准化）； 没有考虑特征参数的相关性，闵氏距离是等权的，而相关参数在距离中是不等权的。;（3）马氏距离（Mahalanobis）;dA dB K点划为A还是划为B?;（4）余弦距离（用于光谱角分类）;原始图像的 预处理 preprocessing;8.3 Supervised Classification;对训练场地的选取要求 训练场地所包含的样本在种类上要与待分区域的类别一致。 训练样本应在各类目标地物面积较大的中心选取，以保证代表性。 训练样本的数目应能够提供各类足够的信息和克服各种偶然因素的影响。数目以能满足建立判别函数的要求为准。 训练样本的数目n+1，n是特征空间的维数 如果采用最大似然法，分类要求各变量正态分布。;Classification methods of Supervised;条件概率;条件概率：;概率是统计意义上的，会出现错分或漏分现象，所以需要建立错分概率或风险最小的判别规则，即Bayes准则及相应的Bayes判别函数;;Spectral classes are grouped first, based solely(仅仅) on the numerical information in the data, and are then matched by the analyst to information classes (if possible).;8.4 Unsupervised Classification;非监督分类主要过程;① ISODATA 算法（动态聚类法）;ISODATA法;ISODATA 算法;K-Mean算法（K-均值算法);监督分类和非监督分类的区别;8.5 Post-Processing?and Accuracy Assessment;（3） 临近类别的归并 离散点和周围大的类别进行归并。先膨胀，再侵蚀，常用数学形态学方法。 （4） 多数或者少数分析 中心像元将被给定的窗口内的多数像元或者少数像元值所取代。 举例。 （5） segmentation 图象分割，每一个连接的区域赋予一个唯一的灰度值。 （6） overlay class 将分类的图象叠加在一个彩色合成图象上。对于分类图象可以选择要叠加的类别。 用途：动态变化的制图。 ;8.5 Post-Processing?and Accuracy Assessment;2. Accuracy Assessment;3.Confusion (error) matrix混淆矩阵;Commit Error（运行误差）=(E+F)/G User’s Accuracy（用户精度）：=A/G =100%-运行误差 Omission Error（结果误差）= (B+C)/D Producer’s Accuracy（生产者精度）= A/D=100%-结果误差 Overall Accuracy(总体精度) m 为类别数目，N 为样本数目。;4. Kappa 统计;练习;8.6 New Methods;Object： 影像中的物体，除了在边界表现出不连续之外，在物体区域内部具有某种同一性。根据这种同一性，把一整幅影像划分为若干互不相交的子区域，每一区域对应于某一物体或物体的某一部分，这就是对象。 Image