《06遥感图像信息获取》-精选课件(公开).pptVIP

第六章遥感信息的获取与遥感制图 §1遥感图像目视解译 §2遥感数字图像计算机解译 §3遥感解译专家系统 一、目视解译的影像标志 二、目视解译的方法 三、目视解译的基本步骤 §1 遥感图像目视解译 一、目视解译的影像标志 形状 大小 色调/颜色 阴影 组合图案/纹理结构 二、目视解译的方法 直接判读法 对比分析法 信息复合法 综合推理法 地理相关分析法 三、目视解译的基本步骤 1.目视解译准备工作阶段 2.初步解译与判读区的野外考察 3.室内详细判度 4.野外验证与补判 §2 遥感数字图像计算机解译 用计算机对遥感图像上的信息进行属性的识别和分类，从而达到识别图像信息所对应的实际地物，提取所需地物信息的目的。是统计模式识别技术 在遥感领域的具体应用。 遥感图像分类的主要依据是地物的光谱特征。 理想状况: 同物同谱(同亮度)——多维空间中聚于一点 实际上有误差 = 分布成 点群 (也有同物异谱或异物同谱的现象) 分类实质上是划分多维特征空间, 每个子空间(区域)相当于某一类地物集合. 参与分类的多个特征量(向量)所定义的空间，称为特征空间，例如2 个波段定义的2 维特征空间，3 个波段定义的3 维特征空间等等。 一、分类原理与基本过程 1、遥感图像计算机分类的依据是遥感图像像素的相似度。常使用距离和相关系数来衡量相似度。 采用距离衡量相似度时，距离越小相似度越大。 采用相关系数衡量相似度时，相关程度越大，相似度越大。 一、分类原理与基本过程 2. 遥感图像计算机分类方法 监督分类 由经选择的代表性样区数据得到各类别的统计数据,然后据这些统计数据对整个图像分类 .(有有关类别的先验知识) 先学习后分类 非监督分类 各类统计特征事先未知,仅据图像数据本身的统计特性及自然点群的分布特征对整个图像分类.(无有关类别的先验知识)。 二、图像分类方法 1、监督分类 （1）、最小距离分类法-最小距离判别法 Step 2 – for each unclassified pixel, calculate the distance to average for each training area 1、监督分类 （1）、最小距离分类法-最近邻域分类法 1、监督分类 （2）多级切割分类法 通过设定在各轴上的一系列分割点，将多维特征空间划分成分别对应不同分类类别的互不重叠的特征子空间的分类方法。 对于一个未知类别的像素来说，它的分类取决于它落入哪个类别特征子空间中。 1、监督分类 （3）、特征曲线窗口分类法 特征曲线是地物光谱特征曲线参数构成的曲线。 以特征曲线为中心取一个条带，构造一个窗口，凡是落在此窗口内的地物即被认为是一类，反之，则不属于该类。 1、监督分类 （3）、特征曲线窗口分类法 1、监督分类 （4）、最大似然比分类法 通过求出每个像素对于各类别的归属概率，把该像素分到归属概率最大的类别中去的方法。 假定训练区地物的光谱特征和自然界大部分随机现象一样，近似服从正态分布。 2、非监督分类 （1）分级集群法 确定评价各样本相似程度所采用的指标 初定分类总数； 计算样本间的距离，据距离最近的原则判定样本归并到不同类别； 归并后的类别作为新类，与剩余的类别重新组合，然后再计算。 2、非监督分类 （1）分级集群法 分级集群方法的特点 是分级进行的，可能导致对一个像元的操作次序不同，得到不同的分类结果，这是该方法的缺点。 2、非监督分类 （2）动态聚类法 在初始状态给出图像粗糙的分类，然后基于一定原则在类别间重新组合样本，直到分类比较合理为止。 2、非监督分类 （2）动态聚类法 在分类过程中类别数可以变化，某个像元可能被分为不同的类。 3.分类后处理 1) 分类的后处理，进行滤波，驱除孤立离散点。 2) 将已知训练样本和分类结果做比较，进行分类结果的精度评价。如果结果不满足精度要求，分析原因，重新进行处理，直到满意为止。 3) 生成最终分类图像，供进一步处理。 4、监督分类与非监督分类方法比较 根本区别在于是否利用训练场地来获取先验的类别知识。 监督分类的关键是选择训练场地。训练场地要有代表性，样本数目要能够满足分类要求。此为监督分类的不足之处。 非监督分类不需要更多的先验知识，据地物的光谱统计特性进行分类。当两地物类型对应的光谱特征差异很小时，分类效果不如监督分