遥感原理和应用-第8章.pptVIP

第三步：特征选择。 选择最适合的特征图像进行后续分类。 第四步：使用监督法对整个影像进行分类。 根据前几步获得的先验知识以及聚类后的样本数据设计分类器。并对整个影像区域进行分类。 第五步：输出标记图像。 由于分类结束后影像的类别信息也已确定。所以可以将整幅影像标记为相应类别输出。 8.5 非监督分类和监督分类的结合 8.6 分类后处理和误差分析 分类后处理 误差分析 8.6.1 分类后处理 1、分类后专题图像的格式 遥感影像经分类后形成的专题图，用编号、字符、图符或颜色表示各种类别。 原始遥感图像 对应的专题图像 8.6.1 分类后处理 2、 分类后处理 用光谱信息对影像逐个像元地分类，在结果的分类地图上会出现“噪声” 。 分类是正确的，但某种类别零星分布于地面，占的面积很小 ，希望用综合的方法使它从图面上消失。 分类平滑技术可以解决以上的问题。 逻辑运算，非代数运算。 处理原则服从多数原则。 多数平滑过程 多数平滑 利用一些样本对分类误差进行估计。 采集样本的方式有三种类型： ﹡来自监督分类的训练样区； ﹡专门选定的试验场； ﹡随机取样。 8.6.2 分类后误差分析 8.6.2 分类后误差分析 混淆矩阵 分类精度的评定。 混淆矩阵中，对角线上元素为被正确分类的样本数目，非对角线上的元素为被混分的样本数。 实际类别 试验像元的百分比% 类别1 类别2 类别3 试验像元 1 2 3 84.3 4.9 10.8 8.5 80.3 11.2 6.1 4.1 89.8 100% 102 100% 152 100% 49 表中每一项都是实际检验的像元占该类总像元数的百分率。根据这个混淆矩阵可以算出平均精度，对角线元素之和取平均：S=（84.3%+80.3%+89.8%）/3=84.8% 由于各种类别样本元素的总数不一致，所以更合理的方法应加权平均，以总精度S表示加权平均，则：S=（84.3%×102+80.3%×152+89.8%×49）/(102+152+49)=83.2% 实际类别 试验像元的百分比% 类别1 类别2 类别3 试验像元 1 2 3 84.3 4.9 10.8 8.5 80.3 11.2 6.1 4.1 89.8 100% 102 100% 152 100% 49 思考题 什么叫监督分类？监督分类的基本原理和主要步骤？监督分类的主要方法有哪些？各有什么优缺点。 什么叫非监督分类？监督分类与非监督分类有什么区别？ 基础知识 特征变换和特征选择 监督分类 非监督分类 监督分类和非监督分类的结合 分类后处理和误差分析 * Fundamental 第一章：绪论 * 第一章：绪论 * * * * * * （4）确定判决函数和判决规则 一旦训练样区被选定后，相应地物类别的光谱特征便可以用训练区中的样本数据进行统计。 如果使用最大似然法进行分类。那么就可以用样区中的数据计算判别函数所需的参数。 监督分类的主要步骤 （5）根据判别函数逐个像素的分类判别 监督分类的主要步骤 ? ? ? ? ? ? ？ 1 老城区 1 (6) 分类结果影像的形成 监督分类的主要步骤 监督分类流程图 确定感兴趣的类别数 特征变换及特征选择 选择训练区 确定判别函数和判别规则 依判别函数和判别规则对非训练样区进行分类 人工干预，分类后处理与精度评定 得到专题图 分类得到的专题图 监督法分类的优缺点 优点： 根据应用目的和区域，有选择的决定分类类别，避免出现一些不必要的类别； 可以控制训练样本的选择； 可以通过检查训练样本来决定训练样本是否被精确分类，从而避免分类中的严重错误,分类精度高； 避免了非监督分类中对光谱集群的重新归类； 分类速度快。 缺点: 主观性； 由于图象中间类别的光谱差异，使得训练样本没有很好的代表性； 训练样本的获取和评估花费较多人力时间； 只能识别训练中定义的类别。 监督法分类的优缺点 思考题 什么叫监督分类？监督分类的基本原理和主要步骤？监督分类的主要方法有哪些？各有什么优缺点。 8.4 非监督分类 非监督分类是指人们事先对分类过程不施加任何的先验知识，而仅凭遥感影像地物的光谱特征的分布规律，即自然聚类的特性进行“盲目