第六章 遥感数字图像的计算机分.pptxVIP

第六章 遥感数字图像的计算机分类;分类的基本原理 分类的方法 分类的工作流程 非监督分类方法 监督分类方法 图像分类的相关问题 ; 6.1 遥感图像计算机分类的基本原理 ; 同类地物在相同的条件下（光照、地形等）应该具有相同或相似的光谱信息和空间信息特征。不同类的地物之间具有差异。根据这种差异，将图像中的所有像素按其性质分为若干个类别（Class）的过程，称为图像的分类。 ; 遥感图像的计算机分类就是针对原始遥感影像或各种变换处理之后的图像，在计算机技术的协助下，采用决策理论或统计方法等对变量特征空间进行地物属性的识别和划分等达到图像分类的目的。 ;6.1.1 概述;6.1.2 计算机分类的基本原理 ; 遥感图像分类的主要依据就是地物的光谱特征的相似程度。 遥感图像分类以每个像素的光谱数据为基础进行的。;;;;6.2 分类处理的基本方法 ; 监督分类就是首先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，通过选择特征参数来建立判别函数，据此对样本像元进行分类，再依据样本类别特征来识别非样本像元的归属类别。; 监督分类就是首先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，通过选择特征参数来建立判别函数，据此对样本像元进行分类，再依据样本类别特征来识别非样本像元的归属类别。; 非监督分类方法就是在没有先验类别（或者说训练场地）作为样本的条件下，主要采用依据像元间相似度的大小进行归类合并，将相似度大的像元归为一类的方法。 ;相似性度量;2）相关系数 ;6.3 计算机分类处理的工作流程 ;1） 原始图像的预处理;3）特征选择和特征提取;特征选择（feature selection）;4）图像分类运算;;;5）分类后处理及结果检验;b）分类结果检验分析;经典的位置精度分析方法——改进的混淆矩阵方法， 即：Kappa系数 ;6）结果输出;分类的基本原理 分类的方法 分类的工作流程 非监督分类方法 监督分类方法 图像分类的相关问题 ;6.4 非监督分类法;非监督分类主要过程; 非监督分类主要过程; 非监督分类的关键; 基本原则是：使得每一分类中，像素点到该类别中心的距离的平方和最小，在迭代过程中，逐次移动各类的中心，直到满足图像中互不相交的所有任意类的像素值及该类的均值差的平方和的总和达到最小，停止迭代结束聚类。 该方法由于每调整一个样本类别就重新计算一次各样本的均值，故此又称为逐个样本修正法。 ; 迭代式自组织数据分析算法，又简称为迭代法。这是一个最常用的非监督分类算法，在很多图像处理系统或软件中都有相关模块，可以直接运用。 ISODATA和K-均值算法主要有两点不同： 1）它并不是每调整一个样本的类别就要重新计算一次各类样本的均值，而是将所有样本都调整完毕之后才重新计算，所以ISODATA又称为成批样本修正法。 2）ISODATA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合并和类别分裂，从而得到类数比较合理的聚类结果。 ;第—步：指定下列控制参数。 N——所要求的类别数（实际的类别数为N1）； I——允许迭代的次数（实际已迭代次数为L）； Tn——每类集群中样本的最小数目； Ts——集群分类标准，每个类的分散程度的参数（如最大标准差）； Tc——集群合并标准，即两个类中间的最小距离。;第二步：聚类处理。 第三步：类别的取消处理。 对上次趋近后的各类成员总数ni进行检查，若ni＜Tn，表示该类（i）不可靠，应将其从搜索表中剔除，同时修改类别数Ni=Ni-1，返回第二步。;第四步：判断迭代是否结束。 若此次迭代次数（l）已达到指定的次数，即l=I；或者该次迭代所算得的各类中心及上次选代的结果差别很小（可预先给定一阙值），则趋近结束。此时搜索表中的有关参数将作为基准类别参数，并用于构建最终的判别函数。否则，继续进行以下各步骤。 ;第五步：类别的分裂处理。 对搜索表中的每一类进行考核。判断其最大的标准差分量 是否超过限值Ts，即若σimax＜TS，并满足下列条件之一者，则第i类需要进行分裂处理。 ;第五步：类别的分裂处理。 对搜索表中的每一类进行考核。判断其最大的标准差分量 是否超过限值Ts，即若σimax＜TS，并满足下列条件之一者，则第i类需要进行分裂处理。 ;（条件一） ;分裂处理如下 ;第六步：类别的合并处理。 首先对已有的类别计算每两类（i及k）中心间的距离Dik，然后将所有的Dik与限值Tc相比较，若Dik＜Tc，则把这两类（