[理学]第七章遥感数字图像计算机解译.ppt

第六章:遥感数字图象计算机解译 第七章 遥感数字图像的计算机解译 第一节 遥感图像的计算机分类 第二节 遥感图像专家解译系统 第三节 计算机解译的主要技术发展趋势 第一节 遥感图像的计算机分类 一、分类原理 遥感图像计算机分类的依据是遥感图像像元光谱特征的相似度。常使用距离和相关系数来衡量相似度。 二、分类方法 非监督分类（ Unsupervised classification ）：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。 非监督分类完全按照像元的光谱特征进行统计分类,常常用于对分类区没有太多了解情况下. 人为干预较少,自动化程度较高. 监督分类法（ Supervised Classification ） ：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。 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。 监督分类常常用于对分类区比较了解情况下,要求用户控制. 1)选择可以识别或可以断定其类型的像元建立模板,然后基于该模板使系统自动识别具有相同特征的像元. 2)对分类结果进行评价后再对模板进行修改,多次反复后建立比较正确的模板,在此基础上最终进行分类. 根本区别在于是否利用训练场地来获取先验的类别知识。 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、非监督分类的基本方法 （1）分级集群法 用距离评价单个个体间的相似程度，根据距离最近原则判定并归类到同一类别中的方法。 （2）动态聚类法 在初始状态给出图像粗糙的分类，然后基于一定原则在类别间重新组合样本，直到分类比较合理为止。 非监督分类一般步骤 Evaluate classification Raster attribute editor: Img属性表中对class names 和颜色进行编辑。 分类重编码 recode Post－classification processing MainImage interpreterGIS analysis Clump提示：该命令输出为中间文件。所需时间较长。  MainImage interpreterGIS analysis Sieve MainImage interpreterGIS analysis Eliminate功能在于简化分类图，类视地图综合。 类别统计分析 2、监督分类的基本方法 监督分类的一般步骤 定义分类模板 应用AOI绘图工具获取分类模板信息 应用AOI扩展绘图工具获取分类模板信息 模板评价Evaluating Signatures Contingeney Matrix 三、图像分类中的有关问题 1、未充分利用遥感图像提供的多种信息 只考虑多光谱特征，没有利用到地物空间关系、图像中提供的形状和空间位置特征等方面的信息。 统计模式识别以像素为识别的基本单元,未能利用图像中提供的形状和空间位置特征,其本质是地物光谱特征分类 第二节 遥感图像专家解译系统 1、图像处理与特征提取子系统：包括图像处理、地形图数字化、精纠正、特征提取，结果存贮在遥感数据库内。 2、遥感图像解译知识获取系统：获取遥感图像解译专家知识，并把专家知识形式化表示，存贮在知识库中。 3、狭义的遥感图像解译专家系统。 （1）对遥感图像进行辐射校正，消除或降低地形差异的影响； （2）作为解译的证据，增加遥感图像的信息量减少自动解译中的不确定性； （3）作为解译结果的检验数据，降低误判率。 需要从以下两方面开展工作： 建立解译知识库和背景知识库。 根据遥感图像解译的特点来构造专家系统。 （1）人工神经网络(Artificial Neural Networks)在遥感图像识别中的应用。 （2）小波分析在遥感图像识别中的应用。 （3）分形技术在遥感图像识别中的应用。 （4）模糊分类方法遥感图像识别中的应用。 人工神经网络 人工神经网络是一种模拟人脑神经元细胞的网络结构，概括说来，人工神经网络具有以下主要特征：大规模的并行处理和分布式信息存储；具有良好自适应性和自组织性的非线性系统；较强的学习功能、联想功能和容错功能，适合模拟人的形象思维。 小波分析 小波理论起源于信号处理。由于探测精度的限制．一般的信号都是离散的，通过分析认为信号是由多个小波组成的，这些小波代表着不同的频率持征。小波函数平移、组合形成了小波函数