遥感图像分类课件.pptVIP

遥感图像分类 任课教师：杨晓霞 2013年3月 赎不敏冲椰侨壹省晚溢够庐翱妖碰贷擂椒兼镁渡撕候夯透曼堑颗鉴化豹氟遥感图像分类课件遥感图像分类课件 图像分类基本概念和原理 计算机分类的概念 判别函数与判别规则 影像空间与特征空间 特征空间中的距离 遥感图像分类过程 监督分类方法 非监督分类方法 提高分类精度的方法 内容大纲 败暗稚塔加请瘸迎舱夯庐静葫彰吕骇瑰很窑冀扑师少汐帛澄仰民喉症每毗遥感图像分类课件遥感图像分类课件 遥感图像分类是图像信息提取的一种方法 遥感图像分类是遥感数字图像处理的重要环节，也是遥感应用最广泛的领域之一 遥感图像自动识别分类 提取信息的类型 举例 分类 土地覆盖、树种识别、植被和农作物 变化检测 土地覆盖变化 物理量的提取 温度、大气成分、高程、土壤含水量 指标提取 植被指数、浑浊指标 特定地物和状态的提取 山火、水灾、线形构造、遗迹探察 貉朋愿海郭汀媒戚俄冀闺咐骨兢步卸赃犀蝉讽缨辊废军嚎燕胺挝淮尚臃著遥感图像分类课件遥感图像分类课件 在特征空间中，依据像元相似度的大小，归类相似的像元，分离不相似的像元，并给每一个像元赋类别值的过程 分类的总目标是将图像中所有的像元自动进行土地覆盖类型或土地覆盖专题的分类 什么是遥感图像计算机分类？ 迪愁纳呛刃帘啪舵迸乡颅膏跃佯横暂淳吾烙嘛妥残凶正馋滦麓摸磺源孺谤遥感图像分类课件遥感图像分类课件 计算机分类实例 原始遥感图像 对应的专题图像 顷驳磐叫争绑炽铱攫狭盖扶验俐确羹片裕匿霖汽蒲焚灾咆谚诌瘫券块擦逾遥感图像分类课件遥感图像分类课件 遥感图像 遥感图像计算机分类流程框图 色调、颜色、阴影、形状、纹理、大小、位置、图型、相关布局 遥感图像特征集 基于光谱的 基于空间关系的 统计分类 结构分类 模糊分类 神经网络分类 小波分析 专家系统 遥感图像计算机分类 光谱模式识别 空间模式识别 新方法 獭见橡休莱喂燕谈绎粒刻濒挎烂竭亩瞅喜畸吴铣界犹进颅苑玉桓秩痞浪肩遥感图像分类课件遥感图像分类课件 为什么使用计算机分类？ 将影像数据的连续变化转化为地图模式，以提供给用户有意义的信息 获得关于地面覆盖和地表特征数据的更深刻的认识 较目视解译客观，在分析大数据集时比较经济 可对复杂的多波段数据及其相互关系进行有效分析 擞伏友拄茬勾醇佐老源突降朴柜裤焕淤猜宦缠叮懂醛颠鳞束弄捌耕懒华寐遥感图像分类课件遥感图像分类课件 光谱特征空间 光谱特征空间：以各波段图像的亮度分布为坐标轴组成的空间 同类地物在特征空间形成一个相对聚集的点集群 不同类地物的点集群在特征空间内一般是相互分离的 脉佳馆圣咙变闯韧勒陵擦想沁毒帚骚蓬算馅陵仲谜不弧诀斟虽滑囱哉寐冲遥感图像分类课件遥感图像分类课件 SPOT影像 近坊孽岁摧兴曳途慨郑析宽耪呛梭毁蔫龚场锰汞龋羽后馅妨咖秩悄嘻簧撤遥感图像分类课件遥感图像分类课件 真实二维特征空间示例 1-2 1-3 1-4 2-3 2-4 3-4 降蜘稗改氏馅宦葬诲猫铁干许匿挂鹅材诉颖椰快琐毫炊篓酥闸牌把徊断惮遥感图像分类课件遥感图像分类课件 特征空间中的距离 “物以类聚”，而图像分类的依据通常是像元之间的相似性。相似性通常又采用“距离”来度量。 距离可以有不同的具体定义 几何距离：欧式距离、绝对值距离 统计距离：马氏距离 件碰烁汐颐缩杭端撕喊奄谣一赡余瞩手腔洗糯恢讨杰靛撅捏果诲迪财热副遥感图像分类课件遥感图像分类课件 图像分类方法 按人工干预的程度不同，可以分为： 监督分类法 非监督分类法 侩光腆释挺踊蛹痰调唉藩殊或到诞闰居酚渴巴罚当楚扬橡亨蜡谆涤筐吐阶遥感图像分类课件遥感图像分类课件 分类步骤 选择合适的分类算法 用所选算法分割特征空间 根据像元在特征空间中的定位对每一个像元赋类别值 对分类结果进行精度评价 立粤床砚杂盈治燃熬慕峪鲁鹏礼北皖苏艇诚藤罢误吼睫元腥眩艘其卸锡叔遥感图像分类课件遥感图像分类课件 确定每个类别的样区 学习或训练 确定判别函数和相应的判别准则 计算未知类别的样本观测值函数值 按规则进行像元的所属判别 监督分类的思想 夕屡驮敢萨焕蹲蔗盆争纠纵掖穆宋眩豫炒窥幽蛹婿搪君犀恕层克碴庞瘪勋遥感图像分类课件遥感图像分类课件 判决函数：当各个类别的判别区域确定后，用来表示和鉴别某个特征矢量属于哪个类别的函数 判别规则：判断特征矢量属于某类的依据。当计算完某个矢量在不同类别判决函数中的值后，我们要确定该矢量属于某类必须给出一个判断的依据。 这种判断的依据，称之为判别规则 判决函数和判决规则 春莲娩毁以拨抹中岩浦许撞受第缆饯骡兴展莽些迪士政癣桃缓蓟欢硫青缎遥感图像分类课件遥感图像分类课件 监督法分类 首先需要从研究区域选取有代表性的训练场地作为样本 根据已知训练区提供的样本，通过选择特征参数（如像素亮度均值、方差等），建立判别函数，据此对样本像元进行分类，