第8章遥感图像分类.pptVIP

遥感数字图像处理 林金堂 闽江学院地理科学系 第8章 遥感图像分类 第8章 遥感图像分类 8.1 概述 8.2 相似性度量 8.3 工作流程 8.4 非监督分类 8.5 监督分类 8.6 其他分类方法 8.7 分类后处理 8.8 分类精度分析 8.1 概述 8.1.1 基本原理 8.1.2 分类方法 8.1 概述 8.1.1 基本原理 同类地物在相同的条件下(光照、地形等)应该具有相同或相似的光谱信息和空间信息特征。不同类的地物之间具有差异根据这种差异，将图像中的所有像素按其性质分为若干个类别(Class)的过程，称为图像的分类。 遥感图像分类以每个像素的光谱数据为基础进行。 假设遥感图像有K个波段，则(i,j)位置的像素在每个波段上的灰度值可以构成表示为X=(x1，x2，…，xk)T，包含X的K维空间称为特征空间，这样K个波段的多光谱图像便可以用K维特征空间中的一系列点来表示。在遥感图像分类问题中，常把图像中的某一类地物称为模式，而把属于该类中的像素称为样本， X=(x1，x2，…，xk)T 可以称为样本的观测值。 8.1 概述 8.1.2 分类方法 根据是否需要分类人员事先提供已知类别及其训练样本，对分类器进行训练和监督，可将遥感图像分类方法划分为监督分类和非监督分类。 事先己经知道类别的部分信息(即类别的先验知识)，对未知类别的样本进行分类的方法称之为监督分类(Super