第09章 图像分类.pptVIP

遥感图像处理-图像分类 内容概要 遥感图像分类概述 遥感图像分类原理 遥感图像分类基本过程 遥感图像分类方法 遥感图像分类后处理 遥感图像分类精度检查 遥感图像分类中存在的问题 1、图像分类概述 遥感图像分类概述 分类的定义 分类的意义 分类的难点 分类的定义 遥感图像分类以遥感数字图像为研究对象，在计算机系统支持下，综合运用地学分析、遥感图像处理、地理信息系统、模式识别与人工智能技术，实现地学专题信息的智能化获取。其基本目标是将人工目视解译遥感图像发展为计算机支持下的遥感图像理解。 分类的意义 由于利用遥感图像可以客观、真实和快速地获取地球表层信息，这些现势性很强的遥感数据在自然资源调查与评价、环境监测、自然灾害评估与军事侦察上具有广泛应用前景。因此，利用计算机进行遥感图像智能化解译，快速获取地表不同专题信息，并利用这些专题信息迅速地更新地理数据库，这是实现遥感图像自动理解的基础研究之一，因此具有重要的理论意义和应用前景。 分类的难点（一） 利用计算机对遥感数字图像进行分类难度很大。 遥感图像是从遥远的高空成像的，成像过程要受传感器、大气条件、太阳位置等多种因素的影响。影像中所提供的目标地物信息不仅不完全，而且或多或少地带有噪声，因此人们需要从不完全的信息中尽可能精确地提取出地表场景中感兴趣的目标物。 分类的难点（二） 遥感影像信息量丰富，与一般的图像相比，其包容的内容远比普通的图像多，因而内容非常“拥挤”。不同地物间信息的相互影响与干扰使得要提取出感兴趣的目标变得非常困难。 遥感图像的地域性、季节性和不同成像方式更增加了计算机对遥感数字图像进行解译的难度。 2、图像分类的原理 分类的原理(一) 计算机遥感图像分类是统计模式识别技术在遥感领域中的具体应用。统计模式识别的关键是提取待识别模式的一组统计特征值，然后按照一定准则作出决策，从而对遥感图像予以识别。 遥感图像分类的主要依据是地物的光谱特征，即地物电磁波辐射的测量值，这些测量值可以用作遥感图像分类的原始特征变量。然而，就某些特定地物的分类而言，多波段影像的原始亮度值并不能很好地表达类别特征，因此需要对数字图像进行运算处理（如比值处理、差值处理、主成分变换以及K－T变换等），以寻找能有效描述地物类别特征的模式变量，然后利用这些特征变量对数字图像进行分类。分类是对图像上每个像素按照亮度接近程度给出对应类别，以达到大致区分遥感图像中多种地物的目的。 分类的原理（二） 3. 遥感图像分类的常使用距离和相关系数来衡量相似度。 采用距离衡量相似度时，距离越小，相似度越大。 采用相关系数衡量相似度时，相关程度越大，相似度越大。 3、遥感图像分类基本过程 分类的基本过程（一） 遥感数字图像计算机分类基本过程如下： 首先明确遥感图像分类的目的及其需要解决的问题，在此基础上根据应用目的选取特定区域的遥感数字图像，图像选取时应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。为提高计算机分类的精度，需要对数字图像进行辐射校正和几何纠正（这部分工作也可能由提供数字图像的卫星地面站完成）。 对图像分类方法进行比较研究，掌握各种分类方法的优缺点，然后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。根据应用目的及图像数据的特征制定分类系统，确定分类类别，也可通过监督分类方法，从训练数据中提取图像数据特征，在分类过程中确定分类类别。 分类的基本过程（二） 找出代表这些类别的统计特征。 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。在无监督分类中，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。包括对每个像素进行分类和对预先分割均匀的区域进行分类。 分类精度检查。在监督分类中把已知的训练数据及分类类别与分类结果进行比较，确认分类的精度及可靠性。在非监督分类中，采用随机抽样方法，分类效果的好坏需经实际检验或利用分类区域的调查材料、专题图进行核查。 对判别分析的结果统计检验。 4、遥感图像分类方法 遥感图像分类方法概述 利用遥感图像进行分类（classification）是以区别图像中所含的多个目标物为目的的，对每个像元或比较匀质的像元组给出对应其特征的名称。在分类中注重的是各像元的灰度及纹理等特征。分类方法主要包括以下三大类： 监督分类法 非监督分类法 新的探索：模糊分类法、面向对象分类法等； 监督分类 选择具有代表已知地面覆盖类型的训练样本区，用训练样本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（如均值、方差、判别域等），并以此对未知地区的像元进行分类处理，分别归入到已知具有最大相似度的类别中。