遥感原理与应用---第八章 遥感图像自动识别分类.pptVIP

第八章 遥感图像自动识别分类 本章主要内容 基础知识（2） 特征提取与特征选择（2） 分类器设计（2） 监督/非监督分类（2） 分类后处理（1） 其他分类方法简介（1） 本课主要内容 模式、模式识别 模式的集群性 模式识别系统 模式识别方法 模式识别的复杂性 本课重点内容 模式识别系统 第八章 遥感图像自动识别分类 §8.1 基础知识 遥感图像自动分类是模式识别在遥感中的具体应用 一、模式、模式识别 模式： 现实中一切可被观察的事物（人） 具有空间或时间分布的信息（机） 计算机处理下的模式 模式识别：按事物相似程度分类（人） 模式类向符号所做的映射（机） 样本、类、分类 图像理解：基于图像的模式识别 第八章 遥感图像自动识别分类 §8.1 基础知识 二、模式的集群性 模式识别的前提： 相似性（人） 空间上的集群性（机） 举例： 集群性的3种情况：理想情况 典型情况 一般情况 模式识别核心问题之一：选择合适特征，使得各类聚类性最好。 第八章 遥感图像自动识别分类 §8.1 基础知识 三、模式识别系统 1、数据获取: 图像，波形，物理参量 2、预处理: 去噪、增强、退化复原 3、特征提取与选择 4、分类决策 第八章 遥感图像自动识别分类 §8.1 基础知识 四、模式识别基本方法 概括地分为统计识别和句法识别两大类 具体分类如下： 统计模式识别（线性空间+最优化理论） 句法模式识别（基元及它们的结构关系描述对象） 模糊模式识别（隶属函数 ） 人工神经网络（自学习、自适应、容错性） 第八章 遥感图像自动识别分类 §8.1 基础知识 五、模式识别的复杂性 低等动物的分类：遗传，自然淘汰 人类的识别能力：后天学习，经验，行为的成败 1、目前计算机自动识别水平 2、模式识别（工业自动化）对人类生产的巨大贡献 邮件/食品分拣 文字/语音识别 考勤/安检（身份识别） 第八章 遥感图像自动识别分类 §8.2 特征提取与特征选择 本课主要内容 概念及作用 特征提取 特征选择 本课重点内容 特征提取与选择概念 类别可分离判据 基于K-L变换的特征提取 第八章 遥感图像自动识别分类 §8.2 特征提取与特征选择 一、概念及作用 1、抽取特征目的：降低维数/去相关性/突出特征 2、常见影像特征 形状特征（面积/周长/圆形度/不变矩/欧拉数/链码） 波谱特征（光谱特征，波谱响应曲线） 纹理特征（直方图，共生矩阵，行程统计量） 第八章 遥感图像自动识别分类 §8.2 特征提取与特征选择 3、特征提取与特征选择概念（例：成绩） 第八章 遥感图像自动识别分类 §8.2 特征提取与特征选择 二、特征提取 1、基于类别可分离性判据的特征提取 第八章 遥感图像自动识别分类 §8.2 特征提取与特征选择 ◎示意图： ◎原理： 类间/类内＝ 第八章 遥感图像自动识别分类 §8.2 特征提取与特征选择 2、基于K-L变换的特征提取 步骤： （1）计算多光谱图像的均值向量μ及协方差矩阵Σ （2）计算矩阵Σ的特征值λ和特征向量ψ （3）将特征值λ按从大到小排列 （4）选择前n个特征值对应特征向量构造变换矩阵φn （5）依据Y=φnX进行变换，得到新特征影像。 优点： 去相关性；信息集中； 第八章 遥感图像自动识别分类 §8.2 特征提取与特征选择 3、哈达玛变换 本质：将坐标轴旋转45o的正交变换 变换矩阵： 第八章 遥感图像自动识别分类 §8.2 特征提取与特征选择 三、特征选择 思路：如何从总体中选择少数特征使得类内距离尽量小，类间距离尽量大。常用判据有： 把D个特征每个单独使用时可分离判据按大小排列： 前d个最有效特征组合在一起是否就是最优组合? 第八章 遥感图像自