遥感图像自动识别分类.pptxVIP

第九章 遥感图像自动识别分类一、基础知识二、特征变换及特征选择三、监督分类四、非监督分类五、非监督分类与监督分类的结合六、分类后处理和误差分析七、非光谱信息在遥感图像分类中的应用八、句法模式识别概述九、计算机自动分类的新方法 遥感图像的计算机分类，就是利用计算机技术来模拟人类的识别功能,对地球表面及其环境在遥感图像上的信息进行属性的自动判别和分类，达到提取所需地物信息的目的。 遥感图像的自动识别分类主要采用决策理论方法，按照决策理论方法，需要从被识别的模式中，提取一组反映模式属性的量测值，称之为特征，并把模式特征定义在一个特征空间中，进而利用决策的原理对特征空间进行划分。一、基础知识1. 模式与模式识别 所谓“模式”是指某种具有空间或几何特征的东西。 对被识别的模式作一系列的测量，然后将测量结果与“模式字典”中一组“典型的”测量值相比较,得出所需要的分类结果。这一过程称为模式识别。 分类器（或称判决器），可以根据一定的分类规则，把某一测量矢量X划入某一组预先规定的类别之中去。x1接收器(传感器)x2分类器(判决器)自然模式….结果xn模式识别系统的模型2. 光谱特征空间及地物在特征空间中聚类 的统计特性 光谱特征空间:以各波段图像的亮度分布为坐标轴组成的空间.B5植被土壤水B7地物与光谱特征空间的关系 Bj植被土壤水Bi 特征点集群在特征空间中的分布大致可分为如下三种情况：