第六章 遥感数字图像计算机解译.pptVIP

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。 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、K-mean 原理： K-Means算法通过计算样本数据点之间的逻辑距离来判断某个样本数据点属于哪一个簇，使簇内的点有较大的相似度，而簇间的点有较小的相似度。在算法运行过程中，要反复扫描所有样本数据点，要计算每个非中心数据点与某个聚类中心点的距离，并将这个数据点归为与其距离最小的那个聚类中心对应的簇之中。每扫描一次就要重新计算每个聚类中心点的位置。当聚类中心点的位置变化在一定的阈值之内的时候停止处理，最后就可以得到K个簇。 处理流程 (1) 从 c 个数据对象任意选择 k 个对象作为初始聚类中心； (2) 循环(3)到(4)直到每个聚类不再发生变化为止； (3) 根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分； (4) ? 重新计算每个（有变化）聚类的均值（中心对象） 分类过程 1. 确定最初类别数和类别中心; 2. 计算每个像元与各初始聚类中心的距离; 3. 选与其中心距离最近的类别作为这一像元的 所属类别; 4. 计算新的类别均值向量; 5. 比较新的类别均值与原中心位置的变化, 形 成新的聚类中心; 重复2, 反 复迭代; 6. 如聚类中心不再变化, 停止计算。 同物异谱：同类地物具有不同的光谱特征 同谱异物：不同的地物可能具有相似的光谱特征。 光谱类（spectral class）：基于光谱特征形成的类别，如房屋的阳面和阴面光谱特征不同，不同的光谱类 信息类(information class)：根据实际需要待分的类别 人为的划分 。如城市类由道路、建筑物、水体、绿地等不同地物组成，不同地物光谱特征不同。 常用非监督分类方法 1、K-mean(分级集群法) 2、动态聚类法（ISODATA） 2、ISODATA(迭代自组织数据分类) ISODATA，即：Iteractive Self-Organizing Data Analysis Technique） ISODATA分类在初始设定基础上，在分类过程中根据一定原则不断重新计算类别总数、类别中心，使分类结果逐渐趋于合理，直到满足一定条件分类完毕。 原始的聚类中心 第1次迭代后的类别分布 聚类过程: 类别中心的变化 第2次迭代后的类别分布 第n次迭代后的类别分布 四、存在的问题 光谱类和信息类不对应 第七章 遥感数字图像计算机解译 《遥感导论》课件 厦门理工学院空间信息科学与工程系 厦门理工学院空间信息科学与工程系 《遥感导论》课件 第六章 遥感数字图像计算机解译 6.1 数字图像基础知识 6.2 遥感数字图像的性质与特点 6.3 遥感数字图像的计算机分类 6.1 数字图像基础知识 一、光学图像与数字图像 早期的遥感技术通过摄影成像方法得到的像片称之为光学图像。能在计算机里存储、运算、显示和输出的图像称为数字图像。 遥感图像是由无数个很小的单元（像元）组成的，每个像元的明暗程度记录了成像瞬间的物体的电磁辐射强度（反射率或发射率）。 二、图像的表示 O 图像 x y (x,y)表示像元的位置；f(x,y)表示（x,y)位置上的对应地物电磁辐射强度。 O 图像 x y 1 2 3 4 2 1 3 4 5 6 Pixel 函数f(x,y)的取值：离散整数取样是根据需要将灰度空间分成2n级,根据方格内电磁辐射强弱取其平均值整数作为函数f(x,y)的值。 一幅数字图像其实质是一个数字矩阵。数字矩阵可以计算机里进行存储和运算。 6.2 遥感数字图像的性质与特点 遥感数字图像: 以数字形式表现的遥感影像。 基本单位为像素（像元），是计算机图像处理的最小单元。像元的大小由传感器的瞬时视场角决定，对应的地面的投影面积或大小即空间分辨率或地面分辨率。 空间特征 属性特征 1、遥感数字图像的特点 1）便于计算机处理与分析 2）图像信息损失低 3）抽象性强 2、遥感数字图像的类型 1）二值数字图像 2）单波段数字图像 3）多波段数字图像 多波段图像的显示 色彩合成 不同的波段赋予不同的原色 3、遥感数字图像的存贮格式 1）BSQ（Band sequential） 2）BIP （Band interleaved by pixel ） 3）BIL（Band interleaved by line） 4、光学影像—遥感数字图像的转化 1）空间采样：确定采样间距 2）属性量化：8位