第5章计算机解译.ppt

监督分类结果 亲们能看出方法的缺点吗？ “椒盐现象” (2)非监督分类法: 是在没有先验类别（训练场地）作为分类标准的条件下，即事先不知道地物的类别特征，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），然后再核对这些归类合并后的数据集所代表的地物的类别。 主要方法:聚类分析法 a.分级集群法: b.动态聚类法: a.分级集群法 分类过程： 确定评价各样本相似程度所采用的指标（距离）； 初定分类总数n； 计算样本间的距离，根据距离最近的原则判定样本归并到不同类别； 归并后的类别作为新类，与剩余的类别重新组合，然后在计算并改正其距离。 b.动态聚类法 ISODATA（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，分类过程： 按照某个原则选择一些初始类聚类中心； 计算像素与初始类别中心的距离，把该像素分配到最近的类别中； 计算并改正重新组合的类别中心， 聚类过程：类别中心的变化 非监督分类举例 聚类 解译 4-3-2假彩色合成 聚类结果（10类） (3)监督分类和非监督分类方法的比较 根本区别在于是否利用训练场地来获取先验的类别知识 监督分类的关键是选择训练场地。训练场地要有代表性，样本数目要能够满足分类要求。有时这些不易做到，此为监督分类的不足之处 非监督分类不需要更多的先验知识，据地物的光谱统计特性进行分类。当两地物类型对应的光谱特征差异很小时，分类效果不如监督分类效果好。 方法 优点 缺点 适用范围 监督分类 精确度高,准确性好,与实际类别吻合较好 工作量大 有先验知识时使用该方法 非监督分类 工作量小,易于实现 分类结果与实际类别相差较大,准确性差 在没有类别先验知识时使用该方法 来，计算机分类一下！ (三)遥感图像分类中的若干问题 为充分利用遥感图像提供的多种信息 提高遥感图像分类精度受到限制 大气状况的影响（吸收、散射） 下垫面的影响（混合像元问题、地形因素的影响） 其他因素的影响（云雾、多时相图像、边界） （四）其它的一些方法：决策树分类法、人工神经网络分类法、模糊分类法等（略） * 躺枪的KFC爷爷 新抢钱袋鼠 表情不对，打码 神仙也不行 * 人类直观使用颜色区分，植被、城市、水体 植被有乔灌草 城市包括城市和村镇 水体包括河流和湖泊 * 人是根据自己的专业知识 计算机需要辅助信息，地形图、植被图… 人使用大脑处理这些信息， 计算机需要模拟人类大脑思维过程→各种算法 * 人类直观使用颜色区分，植被、城市、水体 植被有乔灌草 城市包括城市和村镇 水体包括河流和湖泊 * 1、基本原理：遥感图像分类的主要依据是地物的光谱特征，分类是对图像上每个像素按照亮度接近程度给出对应类别，以达到大致区分遥感图像中多种地物的目的。（主要应用统计模式识别技术,提取待识别模式的一组统计特征值,并按照一定的准则作出决策,从而对数字图像予以识别） * 来，计算机分类一下 * W W W . W A T S O N W Y A T T . C O M 5.3 遥感数字图像计算机解译 主要内容: 遥感数字图像的性质与特点 遥感数字图像的计算机分类 遥感图像多种特征的抽取 遥感图像解译专家系统 一、遥感数字图像的性质与特点 1.定义:以二维矩阵的形式表示的遥感图像,能在计算机里存储,运算,显示和输出。 2.特点: 便于计算机处理与分析 图像信息损失少 抽象性强 3.基本表达单位:像素（Pixel) (1)像素:实际上就是一个面积的概念。记录或显示影像的最小单元。 (2)像素性质:空间特征和属性特征 遥感数字图像是什么？ 灰度图像(128x128)及其对应的数值矩阵（仅列出一部分(26x31)） 数字图像逻辑结构 数字图像存储结构之一：BSQ 4.遥感数字图像分类: 按照波段数量分为: 二值数字图像：图象中每个像素的值由0或1构成，表示为黑白图像，一般作为处理过程中的中间结果产生。 彩色数字图像：由红、绿、蓝三个数字层构成的图像，三层数据共同显示为彩色图像。 单波段数字图像:某一波段范围内工作的传感器获取的图像。如：SPOT 的全色波段. 多波段数字图像:传感器使用多个波段同时获取同一地区的遥感数字图像。如：TM5的7个波段数据。 二、遥感数字图像计算机分类 遥感图像分类是影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。 图像分类：是通过模式识别理论，利用计算机将遥感图像自动分成若干地物类别的方法。 如土地利用/覆被分类、森林类型分类、植被类型分类、岩性分类、…… 数据－信息（遥感数据－地物信息） (