遥测数位影像处理 第八讲 影像自动化判释(一).pptVIP

遙測數位影像處理 第八講 影像自動化判釋(一) 一、自動化判釋、分類 1).依主要判釋技術分 a.統計式分類。 ????? 以各統計類別之統計特徵值為基礎計算類別歸屬。 b.符號邏輯推理(人工智慧)式分類。 ????? 以各類別之可分辨特徵，由邏輯逐步推理分類別歸屬。 c.類神經網式分類。 ????? 以大量案例訓練而得之類神經權數為基礎計算分類別歸屬。 2).依判釋類別、形成方式分 a.監督性。 b.非監督性。 c.混合式分類。 3).依分類步驟分 一般來說，判釋會因為地物影像複雜性不同，而可以區分為單一判釋步驟和多步驟判釋。所謂單一步驟判釋顧名思義就是指針對一項判釋因子來辨識地物類別，通常單一步驟判釋都是以地物影像的光譜特性來區分不同的地物類別;而多步驟判釋則是藉曲討論二個或二個以上的判釋因子來辨識地物。常採用的電腦判釋方法是針對地物影像的光譜值做監督性分類(supervisedclassification)或非監督性分類(unsupervisedclassification)。單一步驟的判釋方法若是用於單純的地物判釋，則不會有太大的問題，若用於較複雜的地物(光譜特徵不明顯)，則容易發生混淆的情況。......一般來說，除了執行監督性和非監督性分類方法的過程以外，有時還會視其判釋影像的特性，而決定使否對影像進行影像加強的處理(比方說是過濾影像中的雜訊或是增顯影像申的特徵值)。（黃瑞宇，1998） a.單一步驟分類。 案例1：水體的判釋（黃瑞宇，1998） ? b.多步驟分類。 案例2：建地輿裸路地之判釋（黃瑞宇，1998） 建地與裸路地在進行SPOT衛星影像地物判釋時，經常會出現混淆的情形，從抽樣點的光譜特性來看，二者的確有某種程度以上的相似性，但這二類地物又與其它地物的光譜特性有所不同，所以這二類地物的判釋並不能像前二者地物一樣採用單一步驟判釋就得到最終之成果，並須採用較多步驟的判釋才能完成。......若要判釋此二種地物必須採用光譜分類與波段比的方法方能得到比較精確的結果。 4).依判釋單元 a.單像元(pixel-based)分類。 ? ? ? ? b.區域(地物)式分類(region-based/object-based)分類。 地物導向空間度量模組之研究，林啟陽 5).依影像組合分 a.單一影像分類。 b.多重影像 分類 i.多時段、 ii多高程、 iii多影像別。 ? 6).依判釋資訊類別分 a.純影像分類 i.純光譜：僅用光譜來計算特徵值。 ii.光譜及空間：同時用光譜以及空間度量來計算特徵值。 b.納入輔助資訊。 除影像上的光譜以及空間特徵值以外，尚加入外部資料（如地形、原地物資訊等）為判釋資訊。　 二、分類演算法(決定歸屬函數值之方式) 1).最小距離法(Minimum-distance) 以分類資訊距離類別(Category)特徵平均之和作為衡量歸屬指標，並取其最小者為類別歸屬。 2).平行桿法(Parallel Piped) 以分類資訊落於類別特徵、分類範圍(Range)與否，作為衡量歸屬指標，以落在範圍內者為類別歸屬；若類別歸屬多於一，則需定優先規則(如：先到先取)或先設類別優先序。 　 3).最大相似法(Maximum Likehood) 以分類資訊代入各類別多元常態分佈函數中之機率為衡量歸屬指標，並取機率最高之類別歸屬。 　 4).推理確定法(Certaninty Factor,CF) 以邏輯推理而得之類別確定性作為衡量歸屬指標，並取其最大者為類別歸屬。 CF=Σ( CF（＋）)－Σ( CF（－）) ???? CF(+):所有推理支持之CF　  CF(-):所有推理不支持之CF　 ? 5).類神經網運算值法 以類神經網運算值作為衡量歸屬指標，並取其運算類別值為類別歸屬。 * * 分類器 分類器