第七章 遥感图像计算机解译.ppt

第七章 遥感图像计算机解译 计算机解译，又称遥感图像理解(Remote Sensing ImageryUnderstanding)：它以计算机系统为支撑环境，利用模式识别技术与人工智能技术相结合，根据遥感图像中目标地物的各种影像特征(色、形、位)，结合专家知识库中目标地物的解译经验和成像规律等知识进行分析和推理，实现对遥感图像的解译。 模式与模式识别 “模式”：某种事物的标准形式； 模式识别系统：对被识别的对象作一系列的测量，然后将测量结果与“模式字典”中一组“典型的”测量值相比较进而做出归类。 遥感影像分类 分类：将图像中的像元归并为不同的地物类型。 遥感图像分类依据——遥感图像地物的光 谱特征 （1）不同的地物在同一波段图像上表现的亮度一般互不相同； （2）不同的地物在多个波段图像上亮度的呈现规律也不同。 光谱特征向量：将同名地物点在不同波段图像 中亮度值构成一个多维的随机 向量（X）。 X =[x1,x2 …… xn] n为图像波段总数 xi地物点在第i波段的亮度值。 地物与光谱特征空间的关系 特征点集群 特征点集群在特征空间中的分布情况 理想情况—不同类别地物的集群至少在一个特征子空间中 的投影完全可以相互区分开的。 典型情况—不同类别地物的集群，在任一子空间中都有相 互重叠的现象，但在总的特征空间中可以完全 区分的。 一般情况—无论在总的特征空间中，还是在任一子空间， 不同类别的集群之间总是存在重叠现象。重叠部 分的特征点所对应的地物，在分类时总会出现不 同程度的分类误差，这是遥感图像中最常见的情 况。 特征变换与特征选择 特征变换 减少特征之间的相关性 使得待分类别之间的差异在变换后的特征中更明显。 ——将原始图像通过一定的数字变换生成一组新的特征图像，这一组新图像信息集中在少数几个特征图像上，即将原有的m个特征量通过某种变换生成n个（n≤m）特征量。 特征变换的作用： 1、主成分变换（ K—L变换） 2、缨帽变换 （K-T变换） 3、植被指标变换 特征选择 ——从原有的n个测量值集合中，按某一准则选择出k个特征（k n）。 遥感影像的波段选择可分为定性的和定量的方法。 1.000 0.960 0.902 0.054 0.414 0.156 0.608 1.000 0.968 0.128 0.529 0.226 0.704 1.000 0.138 0.620 0.316 0.794 1.000 0.679 -0.080 0.366 1.000 0.311 0.891 1.000 0.468 1.000 相关系数矩阵 遥感影像分类方法 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。 （一）监督分类 基本思想 ： 根据已知的样本类别和类别的先验知识，确定判别函数和相应的判别准则，其中利用一定数量的已知类别函数中求解待定参数的过程称之为学习或训练，然后将未知类别的样本的观测值代入判别函数，再依据判别准则对该样本的所属类别作出判定 。 判决函数和判决规则 判决函数——判断某个特征矢量属于哪个类别的 - 函数 判决规则——对判决函数值进行判断归类的依据 1、距离判决函数和判决规则 基于距离判决函数和判决规则原理进行分类的方法称为最小距离分类法。 基本思想是设法计算未知矢量X到有关类别集群之间的距离，哪类距离它最近，该未知矢量就属于那类。 距离判决函数： （1）马氏距离： （2）欧式距离: （3）混合（计程）距离： dMi= dEi2=(X-Mi)T(X-Mi) dTi= |Xj-Mij| 判决规则为：若di（X） dj（X）,则X属于wi类。 Step 2 – for each unclassified pixel, calcul