遥感图像的计算机解译课件.pptVIP

安庆师范学院资源环境学院 三、图像分类中的有关问题 2、提高遥感图像分类精度受到限制 大气状况的影响：吸收、散射。 下垫面的影响：下垫面的覆盖类型和起伏状态对分类具有一定的影响。 其他因素的影响：云朵覆盖；不同时相的光照条件不同，同一地物的电磁辐射能量不同；地物边界的多样性。 安庆师范学院资源环境学院 * 遥感图像的计算机解译 安庆师范学院资源环境学院 计算机解译：又称遥感图像理解(Remote Sensing Imgery Understanding)，它以计算机系统为支撑环境，利用模式识别技术与人工智能技术相结合，根据遥感图像中目标地物的各种影像特征(颜色、形状、纹理与空间位置)，结合专家知识库中目标地物的解译经验和成像规律等知识进行分析和推理，实现对遥感图像的理解，完成对遥感图像的解译。 安庆师范学院资源环境学院 计算机解译遥感影像的困难 目标信息不完全且带有噪声 信息量过于丰富，造成相互影响和干扰 地域性、季节性和不同成像方式 安庆师范学院资源环境学院 数字图像的性质和特点 遥感数字图像是以数字表示的遥感图像,其最基本的单元是像素.像素是成像过程的采样点,也是计算机处理图像的最小单元.像素具有空间特征和属性特征. 像素的属性特征采用亮度值来表达. 正像素：一个像素只包含一种地物的像素 混合像素：像素内包含两种或两种以上的地物 安庆师范学院资源环境学院 数字图像的性质和特点 特点 便于计算机处理与分析 图像信息损失少 抽象性强 安庆师范学院资源环境学院 遥感数字图像的表示方法 以二维数组来表示的 安庆师范学院资源环境学院 按照波段数量分为: 单波段数字图像:SPOT 的全色波段. 多波段数字图像:TM的7个波段数据. 多波段数字图像的三种数据格式 BSQ格式(Band sequential) BIP格式(Band interleaved by pixel) BIL格式(Band interleaved by line) 遥感数字图像的表示方法 安庆师范学院资源环境学院 遥感图像的计算机分类 安庆师范学院资源环境学院 遥感图像的计算机分类 安庆师范学院资源环境学院 遥感图像的计算机分类 分类原理 不同的地物有不同的光谱特征，同类地物具有相同或相似的光谱特征。基于数字图像中反映的同类地物的光谱相似性和异类地物的光谱差异性进行分类。 图像分类的总目标：将图像中所有的像元自动地进行土地覆盖类型或土地覆盖专题的分类。 需要注意的问题：同物异谱；同谱异物 安庆师范学院资源环境学院 遥感图像的计算机分类 安庆师范学院资源环境学院 遥感图像的计算机分类 几个基本概念 模式(pattern)：在多波段图像中，每个像元都具有一组对应取值，称为像元模式 特征(feature)：在多波段图像中，每个波段都可看作一个变量，称为特征变量 特征提取(feature extraction)：通过变换找出最能反映地物类别差异的特征变量用于分类的过程 特征选择(feature selection)：直接从原始波段数据中选择 安庆师范学院资源环境学院 遥感图像的计算机分类 目视解译的依据：影像的色调和几何特征 遥感图像分类的依据：地物的光谱特征 遥感图像计算机分类的依据：像素的相似度 安庆师范学院资源环境学院 遥感图像的计算机分类 遥感图像计算机分类的依据：像素的相似度 常使用距离和相关系数来衡量相似度。 距离衡量相似度时，距离越小相似度越大。 相关系数衡量相似度时，相关程度越大，相似度越大。 安庆师范学院资源环境学院 遥感图像的计算机分类 一般步骤： 分类预处理 特征选取 分类 分类后处理 专题图制作 安庆师范学院资源环境学院 遥感图像计算机分类方法 监督分类法：选择具有代表性的典型实验区或训练区，用训练区中已知地面各类地物样本的光谱特性来“训练”计算机，获得识别各类地物的判别函数或模式，并以此对未知地区的像元进行分类处理，分别归入到已知的类别中。 非监督分类：是在没有先验类别（训练场地）作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并（即相似度的像元归为一类）的方法。 安庆师范学院资源环境学院 一、分类原理与基本过程 遥感数字图像计算机分类基本过程 根据图像分类目的选取特定区域的遥感数字图像，需考虑图像的空间分辨率、光谱分辨率、成像时间、图像质量等。 根据研究区域，收集与分析地面参考信息与有关数据。 根据分类要求和图像数据的特征，选择合适的图像分类方法和算法。制定分类系统，确定分类类别。 找出代表这些类别的统计特征 安庆师范学院资源环境学院 一、分类原理与基本过程 遥感数字图像计算机分类基本过程 为了测定总体特征，在监督分类中可选择具有代表性的训练场地进行采样，测定其特征。在非监督分类中，可