遥感数字图像计机算解译整理.pptVIP

  1. 1、本文档共45页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
遥感数字图像计机算解译整理

第六章 遥感数字图像的计算机解译;6.1 遥感图像的计算机分类;6.1 遥感图像的计算机分类;专题信息提取的概念: 日本遥感学会:利用图像的光谱信息,空间信息以及多时相信息对目标进行识别并归类,并将可从遥感图像中提取的信息分为五类 。;6.1 遥感图像的计算机分类;6.1.1 分类原理与基本过程;2) 遥感图像计算机分类方法 监督分类法:选择具有代表性的典型实验区或训练区,用训练区中已知地面各类地物样本的光谱特性来“训练”计算机,获得识别各类地物的判别函数或模式,并以此对未知地区的像元进行分类处理,分别归入到已知的类别中。 非监督分类:是在没有先验类别(训练场地)作为样本的条件下,即事先不知道类别特征,主要根据像元间相似度的大小进行归类合并(即相似度的像元归为一类)的方法。;3)遥感数字图像计算机分类基本过程 根据图像分类目的选取特??区域的遥感数字图像,需考虑图像的空间分辨率、光谱分辨率、成像时间、图像质量等。 根据研究区域,收集与分析地面参考信息与有关数据。 根据分类要求和图像数据的特征,选择合适的图像分类方法和算法。制定分类系统,确定分类类别。 找出代表这些类别的统计特征;3)遥感数字图像计算机分类基本过程 为了测定总体特征,在监督分类中可选择具有代表性的训练场地进行采样,测定其特征。在非监督分类中,可用聚类等方法对特征相似的像素进行归类,测定其特征。 对遥感图像中各像素进行分类。 分类精度检查。 对判别分析的结果进行统计检验。 ; (1)最小距离分类法; Defines a typical pixel for each class Assigns pixels on the basis of spectral distance Can separate diverse classes Boundary problems remain unresolved; (2)多级切割分类法 通过设定在各轴上的一系列分割点,将多维特征空间划分成分别对应不同分类类别的互不重叠的特征字空间的分类方法。 对于一个未知类别的像素来说,它的分类取决于它落入哪个类别特征字空间中。; (3)特征曲线窗口分类法 特征曲线是地物光谱特征曲线参数构成的曲线。 以特征曲线为中心取一个条带,构造一个窗口,凡是落在此窗口内的地物即被认为是一类,反之,则不属于该类。 ; (4)最大似然比分类法(Maximum Likelihood) 通过求出每个像素对于各类别的归属概率,把该像素分到归属概率最大的类别中去的方法。 假定训练区地物的光谱特征和自然界大部分随机现象一样,近似服从正态分布。 ;最大似然比分类法;最大似然比分类法;6.1 遥感图像的计算机分类; (1)分级集群法 确定评价各样本相似程度所采用的指标 初定分类总数; 计算样本间的距离,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,然后再计算并改正其距离。 ;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.; (2)动态聚类法 (a)计算个体与初始类别中心的距离,把该个体分配到最近的类别中; (b)计算并改正重新组合的类别中心,重复进行(a)的过程。如果重新组合的个体数在某一门限值以下,可以认为结束。 (c)消除微小的类别后,当类别数在一定的范围,类别中心间的距离在门限位以上,类别内的方差的最大值为门限值以上时,可以看做集群分析终了。当集群分析的终了条件不满足时.就要通过类别的合并及分离,调整类别的数目和中心间的距离等,然后返回到(a),重复进行再组合的过程。;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;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。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。;1 类别的合并 2 筛滤 3 临近类别的归并 4 多数或者少数分析 5 图象分割 6 类别的叠加 ; 1 精度评价流程 2 检验数据 3 采样方法 4 混淆矩阵 5 Kappa统计 ; 随着遥感和GIS的结合,遥感专题分类结果作

文档评论(0)

jdy261842 + 关注
实名认证
文档贡献者

分享好文档!

1亿VIP精品文档

相关文档