第六章遥感图像解译.ppt

第六章 遥感数字图像的计算机解译 本章要点 遥感数字图像的性质与特点 遥感数字图像的自动分类 遥感图像多种特征的抽取 遥感图像解译专家系统 §1、数字图像的性质和特点 遥感数字图像 遥感数字图像是以数字表示的遥感图像,其最基本的单元是像素.像素是成像过程的采样点,也是计算机处理图像的最小单元.像素具有空间特征和属性特征. 像素的属性特征采用亮度值来表达. 正像素;混合像素 二、遥感数字图像的特点 便于计算机处理与分析 图像信息损失少 抽象性强 保存方便 空间采样：将航空像片具有的连续灰度信息转化为每行有m个单元，每列有n个单元的像素组合。 属性量化：可得到每个像元的数字模拟量，与航空像片中对应位置上的灰度相对应。 §2、遥感图像的计算机分类 模式是指某种具有空间或几何特征的对象，其通俗的含义是某种事物的标准形式。 一个模式识别系统对被识别的模式作一系列的测量，然后将测量结果与“模式字典”中一组“典型”的测量值相比较。如果和字典中某一“词目”的比较结果是吻合或比较吻合，则我们就可以得出所需要的分类结果。 统计模式识别 是把识别对象的每一个观测量视为从属于一定分布规律的随机变量。在多维观测的情况下，则把识别对象特征的各维观测值的总体视为随机矢量，每个随机矢量在一个多维特征空间中都有一个特征点与之对应。所有特征点的全体在特征空间中将形成一系列的分布群体，每个分布群体中的特征点被认为是具有相似特征的，并可以划为同一个类别。最后，设法找到各个分布群体的边界线（面）或确定任意特征点落入每个分布群体中的条件概率，并以此为依据实现特征点的分类。 二、分类原理与基本过程 1、遥感图像计算机分类的依据是遥感图像像素的相似度。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、遥感数字图像计算机分类基本过程 根据图像分类目的选取特定区域的遥感数字图像，需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。 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。制定分类系统，确定分类类别。 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。在非监督分类中，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。 分类精度检查。 对判别分析的结果进行统计检验。 三、图像分类方法 1、监督分类 2、非监督分类 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. §3、遥感图像多种特征的抽取 一、地物边界跟踪法 点状地物与面状地物的边界跟踪 线状地物信息检测与跟踪 二、形状特征描述与提取 地物形状特征的描述 地物形态特征的提取 三、地物空间关系特征描述与提取 不同地物之间的空间关系：方位关系、包含关系、相邻关系、相交关系、相贯关系。 空间关系特征提取与描述 （1）方位关系的提取 （2）包含关系特征提取与描述 （3）相邻关系特征抽取 （4）相交关系特征抽取 （5）相关关系特征的提取 §4、遥感图像专家解译系统 专家系统：把某一特定领域的专家知识与经验形式化后输入到计算机中，由计算机模仿专家思考问题与解决问题，是代替专家解决专业问题的技术系统。 遥感图像解译专家系统的组成 图像处理与特征提取子系统 遥感图像解译知识获取子系统 遥感图像解译专家系统的机理 计算机解译的主要技术发展趋势 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、图像处理： 图像滤波可消除图像的噪声； 图像增强可突出目标物体与背景的差异； 大气纠正可消除大气散射、雾霁等影响； 几何精校正后的数字影像可与专题图精确复合； 2、分类与特征提取子系统 从图像中抽取光谱特征、图像特征和空间特征，为专家系统进行推理、判断及分析提供依据。 1、遥感图像解译知识获取系统的主要功能是知识获取. 2、知识获取有三个层次: 增加遥感解译新知识 发现原有错误知识,修改或补充新知识 根据解译结果,自