第8章遥感作业.doc

第八章遥感图像自动识别分类 ：黄林周名词解释 1、模式识别2、遥感图像自动分类3、统计模式识别对模式的统计分类方法，把模式类看成是用某个随机向量实现的集合。又称决策理论识别方法。 4、结构模式识别结构模式识别是用模式的基本组成元素（基元）及其相互间的结构关系对模式进行描述和识别的方法。5、7、特征变换：将原有的m个测量值集合并通过某种变换，产生n（n=m）个新的特征，这种处理方法称为特征变换。 8、特征选择：从原来的m个测量值集合中，按某一准则选出n个特征，这种方法称为特征选择。 9、主分量变换：即K-L变换，是一种线性变换，是就均方差最小来说的最佳正交变换，是在统计特征基础上的线性变换。 10、哈达玛变换：是利用哈达玛矩阵作为变换矩阵新实施的遥感多光谱域变换。 11、穗帽变换：即K-T变换，它有两个特点，一是土壤在特征空间的集群随亮度的变化趋势沿从坐标原点出发的同一根辐射线方向上出现，二是若把土壤和植被的混合集群投影到MSS-5和MSS-6波段图像所组成的特征子空间中，形成一个近似的帽状三角形。 12、生物量指标变换：以两图像间相应亮度差与其亮度和之比作为处理后的图像亮度值的图像处理方法，公式为。 13、标准化距离14、类间离散度一类模式在空间散布情况。16、类内离散度围绕均值的情况17、判别函数 18、判别边界19、条件概率 20、先验概率21、后验概率 22、贝叶斯判别规则23、马氏距离 24、欧氏距离25、错分概率 26、训练样区27、最小距离法分类计算未知矢量有关类别之间的距离，哪类离它最近，该未知矢量就属于哪类。28、ISODATA法分类 29、混淆矩阵 二、问答题： 地物在特征空间聚类有哪些特性？ 2、同类地物的各取样点在光谱各种空间中的特征点将不可能只表现为同一点，而是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； 3、地物在特征空间的聚类通常用特征点分布的概率密度函数表示。 2、作图并说明遥感影像主分量变换的原理和它在遥感中的主要作用。 原理：由原始图像数据协方差矩阵的特征值和特征向量建立起来的变换核，将光谱特征空间原始数据向量投影到平行于地物集群椭球体各结构轴的主成分方向。 作用：突出和保留主要地物类别信息，用来进行图像增强、特征选择和图像压缩的处理方法。 3、叙述生物量指标变换的原理及其作用。 ：为什么要进行特征选择？列举几种特征选择的主要方法和原理。 ：减少特征之间的相关性，使得用尽可能少的特征来最大限度地包含所有原始数据的信息；另一方面使得待分类别之间的差异在变换后的特征中更明显，从而改善效果 1、主分量变换 是利用哈达玛矩阵作为变换矩阵新实施的遥感多光谱域变换。 3、穗帽变换 即K-T变换，它有两个特点，一是土壤在特征空间的集群随亮度的变化趋势沿从坐标原点出发的同一根辐射线方向上出现，二是若把土壤和植被的混合集群投影到MSS-5和MSS-6波段图像所组成的特征子空间中，形成一个近似的帽状三角形。 5、叙述监督分类与非监督分类的区别。 叙述最大似然法分类原理及存在的缺点。 叙述最小距离法分类的原理和步骤。 1、输入基因表达矩阵作为对象集X，输入指定聚类类数N，并在X中随机选取N个对象作为初始聚类中心； 2、设定迭代中止条件，比如最大循环次数或者聚类中心收敛误差容限； 3、进行迭代，根据相似度准则将数据对象分配到最接近的聚类中心，从而形成一类； 4、初始化隶属度矩阵；更新聚类中心； 5、然后以每一类的平均向量作为新的聚类中心，重新分配数据对象；6、反复执行第二步和第三步直至满足条件。 8、叙述ISODATA法非监督分类的原理和步骤。 步骤：1、将模式样本读入； 将模式样本最近的聚类 3、如果中的样本jθN，取消该样本子集，这c减去1； 4、修正各聚类中心的值；域诸聚类中间的平均距离； 6全部模式样本对其相应聚类中心的平均距离；、合并及迭代运算等步骤；8、计算每类聚类中样本距离的标准差向量； 9每一标准差向量中的分量10、在任一最大分量集中，如有θS，同时又满足条件，则完成分裂运算 11、计算全部中心的距离； 12比较，将ijθc的值最小距离次序递增排列；13、如将距离为ij的两个聚类中心i1和zj1合并，得新中心最后一次迭代运算，算法结束。叙述改善仅用光谱特征的统计模式识别自动分类的主要方法和基本原理。 平行管聚类。 的光谱特征曲线为基础，同类地物的光谱曲线作为判别的标准。以下的混淆矩阵， 类别 水体 裸地 植被 建筑物 道路 合计 用户精度 水体 33245 388 0 12158 673 46464 0.716 裸地 690 101128 3248 5192 3388 113646 0.890 植被 1 2691 22061 1197 2404 2