遥感导论专题课件.ppt

偏差和准确度 重复观察的柱状图 §3 误差类型和特征 主要有两种类型 分类误差的特征 位置误差 分类误差 误差并非随机分布在影像上，而是显示出空间上的系统性和规则性。 一般来说，错分像元在空间上并不是单独出现的，而是按照一定的形状和分布位置成群出现。 误差与他们属于的地块有着明确的空间关系，如他们倾向于出现在边缘或地块内部。 §4 精度评价方法 精度评价就是进行两幅地图的比较，其中一幅是基于遥感数据的分类图，也就是需要评价的图，另一幅是假设精确的参考图，作为比较的标准。 主要评价方法 面积精度评价法 位置精度评价法 误差矩阵评价法 1 面积精度评价法 比较两幅图上每种类别的面积差异，用面积比例表示 这里的两幅影像每种类别面积相似，但边界位置有很大不同。这种评价方法会产生很大的位置误差。 2 位置精度评价法 比较两幅图位置之间一致性的方法进行评价 这里的两幅影像每种类别面积相似，但边界位置有很大不同。这种评价方法会产生很大的位置误差。 3 误差矩阵评价法 表示误差的标准形式是误差矩阵，有时称为混淆矩阵，它不仅能表示每种类别的总误差，还能表示类别的误分（混淆的类别）。 误差矩阵的示例 误差矩阵的图解表示 4 误差矩阵的编辑 构建误差矩阵需要分析人员进行待评价的影像与参考影像之间的点对点比较，准确地确定参考影像上的每个点在分类影像中所对应点的位置。 网格表示的类别图 网格就成为位置精度评价的比较单元 配准 叠置 5 漏分误差和错分误差 误差矩阵能反映各类别的漏分误差和错分误差 §5 误差矩阵的应用 1 误差矩阵表示的误差 正确率表示影像上或者样本中正确分类像元占总像元的比例。 正确率是一种简单的精度测量方法，表示分类的精度。 正确率只能表示分类的相对有效性，并不能解决分类误差的所有问题。 2 正确率的概念 误差矩阵的比较能确定最适合某分类目标的影像数 据类型、数据获取时间、预处理过程，分类方法等 §5 误差矩阵的应用 3 误差矩阵的定量评价 4 误差矩阵的比较 Kappa法 2 锐化 锐化是平滑的相反增强处理方法，它增强图像中的高频成分，在频域处理中称为高通滤波，也就是使图像边缘、线状目标地物，或某些亮度变化大的区域，更加突出出来，也称边缘增强（检测）。 各种不同的模块（锐化） 锐化与平滑的关系 §5 图像间的运算 两幅或多幅单波段图像，空间配准后可进行算术运算，实现图像的增强。 §5 图像间的运算 加法运算 减法运算 乘法运算 除法运算 §6 多波段压缩处理 多波段压缩的目的 多波段压缩的主要方法 (1) 主成分分析 (2) K-T变换 §1 概述 遥感影像分类就是把像元归到某个类别的过程 数字影像和分类影像 分类影像（右）是通过分析数字影像（左）确定的，将数字影像上相似光谱值的像元集合成组。这里“A”类由像元值6，7，8和9组成的，“B”类由像元值0，1，2和3组成。 §1 概述 遥感影像分类的目的 影像分类有时就是遥感分析的目标 ，有时是分析过程的中间步骤。 简单的点分类器 邻近分类器 §3 非监督分类 非监督分类是指在多光谱影像中搜寻和定义自然光谱集群组的过程，也叫聚类分析或点群分析。 1 非监督分类特点 优点 非监督分类不需要预先对所要分类的区域有广泛的了解。 人为误差的机率很小。 面积很小的独立地物均能被识别。 缺点 非监督分类形成的光谱类别并不一定与信息类别对应。 分析人员很难控制分类产生的类别并进行识别。 光谱类别的解译识别工作量大而复杂。 2 非监督分类方法 散点图的运用 二维散点图(2、5月数据) 多维空间散点图 显示了三个波段数据 2 非监督分类方法 距离量算是非监督分类的核心 距离量算的类型有： 殴几里得距离测量 绝对值距离 计算两个像元在不同波段中亮度差的绝对值之和 3 非监督分类的步骤 非监督分类的基本步骤 （1）确定分类数量 （2）选择集群类别中心点 （3）计算机处理运算类别中心点 （4）计算机像元归类 （5）计算机重新分类 4 非监督类别解析为信息类别 可直接对应某些信息类别 不能直接与信息类别匹配 同一信息类别表现出多个光谱类别 §4 监督分类 监督分类(Supervised Classification)是用已知类别的样本（已经被分到某一信息类别的像元）对未知类别的像元进行分类的过程。 1 监督分类特点 优点 分析人员可以控制适用于研究需要和区域地理特征的信息类别。 可控制训练样区和训练样本的选