特征提取灰度共生矩阵(GLCM).PPTVIP

小 结 一、遥感图像分类概述 二、监督分类 三、非监督分类 四、遥感图像分类的新方法 五、分类后处理和精度分析 预习：查阅资料总结遥感应用领域 * * * * * * * * * * * * * * 根据样本统计，可计算特征向量X在第i类的概率分布密度为： 第i类总体的协方差矩阵 前提是认为每一类的概率密度分布都是正态的，由每一类的均值向量和协方差矩阵可以得到多维特征空间的概率密度分布函数。 二、监督分类 4.最大似然法(Maximum likelihood classifier ) 归属判断 根据Bayes，可计算X的归属i类的概率： 若 则X归属i类 二、监督分类 Landsat 4-3-2波段假彩色合成图像 分类结果 三、非监督分类 1.非监督分类概念 (unsupervised classification) 根据事先指定的某一准则，而进行计算机自动判别归类，无须人为干预，分类后需确定地面类别。 主要采用聚类(clustering)法，使同一类别的像素之间的距离尽可能的小而不同类别上的像素间的距离尽可能的大。 在非监督分类中，先确定光谱可分的类别，然后定义它们的信息类。 1. 4-3-2假彩色合成图象(香港九龙); 2. 聚类结果(10类) 三、非监督分类 3. 聚类结果合并(5类); 4. 最终结果 (类别颜色改变) 三、非监督分类 2.K－