《遥感原理与应用》之第8章 遥感图像自动识别分类.docVIP

第8章 遥感图像自动识别分类§8.1 基础知识 遥感图像的计算机分类，是模式识别技术在遥感技术领域中的具体运用。遥感图像的计算机分类，就是对地球表面及其环境在遥感图像上的信息进行属性的识别和分类，从而达到识别图像信息所相应的实际地物，提取所需地物信息的目的。与遥感图像的目视判读技术相比较，它们的目的是一致的，但手段不同，目视判读是直接利用人类的自然识别智能，而计算机分类是利用计算机技术来人工模拟人类的识别功能。遥感图像的计算机分类是模式识别中的一个方面，它的主要识别对象是遥感图像及各种变换之后的特征图像，识别目的是国土资源与环境的调查。 目前，遥感图像的自动识别分类主要采用决策理论（或统计）方法，按照决策理论方法，需要从被识别的模式（即对象）中，提取一组反映模式属性的量测值，称之为特征，并把模式特征定义在一个特征空间中，进而利用决策的原理对特征空间进行划分。以区分具有不同特征的模式，达到分类的目的。遥感图像模式的特征主要表现为光谱特征和纹理特征两种。基于光谱特征的统计分类方法是遥感应用处理在实践中最常用的方法，也是本章的主要内容；而基于纹理特片的统计分类方法则是作为光谱特征统计分类方法的一个辅助手段来运用，目前还不能单纯依靠这种方法来解决遥感应用的实际问题。另外一种方法称为句法（或结构）模式识别，这种方法在遥感中的应用目前还在进行探索，本书只做概要讨论。 §8.1 基础知识 模式与模式识别 所谓“模式”是指某种具有空间或几何特征的东西。“模式”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。若和字典中某一“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。这一过程称为模式识别，对于模式识别机来说，这一组测量值就是一种模式，不管这组测量值是不是属于几何或物理范畴的量值。 图8-1为一种简单的模式识别系统的模型。对于遥感技术来说，图中接收器可以是各类遥感传感器，接收器输出的是一组n个测量值，每一个测量值可对应于多光谱扫描仪一个通道。这一组几个测量值可以看作是n维空间（测量空间或称特征空间）中一个确定的坐标点，测量空间中的任何一点，都可以用具有n个分量的测量矢量X来表示：X =[x1x2… xn]T  图8-1模式识别系统的模型 图中的分类器（或称判决器），可以根据一定的分类规则，把某一测量矢量X划入某一组预先规定的类别之中去。 光谱特征空间及地物在特征空间中聚类的统计特性。 遥感图像的光谱特征通常是以地物在多光谱图像上的亮度体现出来的，即不同的地物在同一波段图像上表现的亮度一般互不相同；同时，不同的地物在多个波段图像上亮度的呈现规律也不同，这就构成了我们在图像上赖以区分不同地物的物理依据。同名地物点在不同波段图像中亮度的观测量将构成一个多维的随机向量（X），称为光谱特征向量。即 X=[．．．]T（8-1） 式中： n —— 图像波段总数； —— 地物图像点在第i波段图像中的亮度值。 为了度量图像中地物的光谱特征，建立一个以各波段图像的亮度分布为子空间的多维光谱特征空间。这样，地面上任一点通过遥感传感器成像后对应于光谱特征空间上一点。各种地物由于其光谱特征（光谱反射特征或光谱发射特征）不同，将分布在特征空间的不同位置上。图8-2示出地物与特片空间关系。图中小方块表示每类地物的一个像元。地面地物通过传感器生成多光谱遥感影像（图中以两个波段为例），由于地物的反射光谱特性不同，三类地物的每个像元的亮度不同。如果以两个波段的影像亮度值做为特征空间的两个子空间（两个坐标轴），由从图中可看出，三对同名像元对应特征空间三个不同的点。 图8-2 地物与光谱特征空间的关系 ? 由于随机性因素（如大气条件，背景，地物朝向，传感器本身的“噪声”等）影响，同类地物的各取样点在光谱特征空间中的特征点将不可能只表现为同一点，而是形成一个相对聚集的点集群，如图（8-2）中虚线所示，而不同类地物的点集群在特征空间内一般是相互分离的。特征点集群在特征空间中的分布大致可分为如下三种情况； 理想情况——不同类别地特的集群至少在一个特征子空间中的投影是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存在，但在总的特征空间中可以完全区分的。这时可采用特征变换使之变成理想情况进行分类。 一般情况——无论在总的特征空间中，还是在任一子空间中，不同类别的集群之间总是存在重叠现象。这时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。 地物在特征空间的聚类通常是用特征点（或其相应的随机矢量）分布的概率密度函数P（X）来表示的。假设特征点的统计分布属于正态分布，则其概率密度函数可表达为：