遥感数字图像处理教程_13遥感图像分类课件.ppt

思考题 遥感图象分类的基础是什么？ 影响分类精度的因素有哪些？ 比较监督分类与非监督分类的优缺点。 §9-4非监督分类 非监督分类 是指人们事先对分类过程不施加任何的先验知识，而仅凭遥感影像地物的光谱特征的分布规律，即自然聚类的特性，进行“盲目”的分类； 其分类的结果只是对不同类别达到了区分，但并不能确定类别的属性；其类别的属性是通过分类结束后目视判读或实地调查确定的。 一般的聚类算法是先选择若干个模式点作为聚类的中心。 每一中心代表一个类别，按照某种相似性度量方法（如最小距离方法）将各模式归于各聚类中心所代表的类别，形成初始分类。 然后由聚类准则判断初始分类是否合理，如果不合理就修改分类，如此反复迭代运算，直到合理为止。 一 K-均值聚类法 K-均值算法的聚类准则是使每一聚类中，多模式点到该类别的中心的距离的平方和最小。 基本思想是：通过迭代，逐次移动各类的中心，直至得到最好的聚类结果为止。 ISODATA算法聚类分析 ISODATA（Iterative Self-Organizing Data Analysis Techniques Algorithm）算法也称为迭代自组织数据分析算法。 它与K－均值算法有两点不同: 第一，它不是每调整一个样本的类别就重新计算一次各类样本的均值，而是在每次把所有样本都调整完毕之后才重新计算一次各类样本的均值，前者称为逐个样本修正法，后者称为成批样本修正法； 第二，ISODATA算法不仅可以通过调整样本所属类别完成样本的聚类分析，而且可以自动地进行类别的“合并”和“分裂”，从而得到类数比较合理的聚类结果。 平行管道法聚类分析 它以地物的光谱特性曲线为基础，假定同类地物的光谱特性曲线相似作为判决的标准。设置一个相似阈值，这样，同类地物在特征空间上表现为以特征曲线为中心，以相似阈值为半径的管子，此即为所谓的“平行管道”。 这种聚类方法实质上是一种基于最邻近规则的试探法。 与监督分类相比，非监督分类具有下列优点：不需要对被研究的地区有事先的了解，对分类的结果与精度要求相同的条件下，在时间和成本上较为节省 但实际上，非监督分类不如监督分类的精度高，所以监督分类使用的更为广泛。 第11讲 课 题 ：遥感图像的自动分类(2) 目的要求：1.理解遥感图像分类的原理；2.掌握遥感图像分类的工作流程；3.熟悉常用的分类方法；4.掌握分类后处理及分类精度分析。 重 点 ：监督分类与非监督分类的结合 难 点 ：分类后处理和误差分析 教学课时：2课时 教学方法：授课为主、鼓励课堂交流 本次课涉及的学术前沿：遥感图像分类的原理及遥感图像分类方法的最新发展 §9-5 非监督分类与监督分类的结合 通过非监督法将一定区域聚类成不同的单一类别，监督法再利用这些单一类别区域“训练”计算机。通过“训练”后的计算机将其它区域分类完成，这样避免了使用速度比较慢的非监督法对整个影像区域进行分类，使分类精度得到保证的前提下，分类速度得到了提高。 步骤: 第一步：选择一些有代表性的区域进行非监督分 类。 这些区域的选择与监督法分类训练样区的选择要求相反，监督法分类训练样区要求尽可能单一。而这里选择的区域包含类别尽可能地多，以便使所有感兴趣的地物类别都能得到聚类。 第二步：获得多个聚类类别的先验知识。这些先验知识的获取可以通过判读和实地调查来得到。聚类的类别作为监督分类的训练样区。 第三步：特征选择。选择最适合的特征图像进行后续分类。 第四步：使用监督法对整个影像进行分类。根据前几步获得的先验知识以及聚类后的样本数据设计分类器。并对整个影像区域进行分类。 第五步：输出标记图像。由于分类结束后影像的类别信息也已确定。所以可以将整幅影像标记为相应类别输出。 §9-6 分类后处理和误差分析 一分类后处理 1、分类后专题图像的格式 遥感影像经分类后形成的专题图，用编号、字符、图符或颜色表示各种类别。 原始遥感图像 对应的专题图像 2、 分类后处理 用光谱信息对影像逐个像元地分类，在结果的分类地图上会出现“噪声” 产生噪声的原因有原始影像本身的噪声，在地类交界处的像元中包括有多种类别，其混合的幅射量造成错分类，以及其它原因等。 另外还有一种现象，分类是正确的，但某种类别零星分布于地面，占的面积很小，我们对大面积的类型感兴趣，因此希望用综合的方法使它从图面上消失。 多数平滑:平滑时中心像元值取周围占多数的 类别。 平滑前后的一个例子 二分类后的误差分析 利用一些样本对分类误差进行估计。 采集样本的方式有三种类型： ﹡来自监督分类的训练样区； ﹡专门选定的试验场； ﹡随机取样。 混淆矩阵