遥感数字图像计算机解译(分类).ppt

遥感数字图像计算机解译(分类) 教学目的和教学要求： 1.了解：遥感数字图像计算机分类原理 2.掌握：遥感数字图像计算机分类过程 3.重点掌握：遥感数字图像计算机分类方法 本章知识点和教学内容： 一、分类原理 二、分类过程 三、分类方法 学时：2学时 授课方法：讲授 遥感数字图像计算机解译 以遥感数字图像为研究对象，在计算机系统支持下，综合运用地学分析、遥感图像处理、地理信息系统、模式识别与人工智能技术，实现地学专题信息的智能化获取。 一、分类原理 遥感数字图像分类 ——是通过模式识别理论，利用计算机将遥感图像自动分成若干地物类别的方法。 统计模式识别的关键是提取待识别模式的一组统计特征值，然后按照一定准则作出决策，从而对数字图像予以识别。 分类过程中采用的统计特征变量包括： 全局统计特征变量——整个 局部统计特征变量——各个单元 分类的依据是遥感图像像素的相似度 度量特征空间中的距离经常采用以下算法： （1）绝对值距离： （2）欧氏距离 （3）马氏距离 （4）混合距离 （5）相关系数 二、分类基本过程 监督分类 又称训练分类法： 分析者在图像上对每一种类别选取一定数量的训练区， 1.平行算法 2.最小距离分类法 3.最大似然法 监督分类的实例 非监督分类 分级集群法 动态聚类法 （ISODATA） 聚类过程：聚类中心的变化 聚类过程：类别中心的变化 非监督分类实例 遥感图像多种特征的提取 地物边界跟踪法 点状和面状 线状 形状特征提取 空间关系特征提取 方位关系 包含关系 相邻关系 相交关系 相贯关系 * * *