海洋遥感原理第04章2.PPTVIP

（2）根据贝叶斯函数计算求得后验概率 是 类的先验概率， 是与类别无关的公共项 （3）根据判别函数——最大后验概率原则，判定像元所属类别： 若 一般在遥感软件如ENVI中，涉及的主要输入参数为： 概率阈值（Probability Threshold）：概率小于该值的像元不被分入该类。 三、平行管道法 平行管道法（Parallelepiped）也称平行六面体法，它使用简单的分类规则进行多光谱遥感图像的分类，决策线在n维光谱空间中是一个平行的管道，管道的直径根据距离平均值的标准差确定，如果某个像元落在某一类的平行管道的阈值范围内，则划分到该类别中，如果落在多个类中，则将这格像元划分到最后匹配的类别，落不到任何管道中，则标识为未分类像元。 一般在遥感软件如ENVI中，涉及的主要输入参数为： 距离平均值多少个标准差(Max stdev from the mean)，大于该值之外的像元不被分入该类。 四、马氏距离法 马氏距离 (Mahalanobis Distance) 分类是一个应用了每个类别统计信息的方向灵敏的距离分类器，它与最大似然分类相似，但是它假定所有类别的协方差矩阵是相同的，因此是一种较快的分类方法。 一般在遥感软件如ENVI中，涉及的主要输入参数为： 距离平均值多少个标准差(Max stdev from the mean)，大于该值之外的像元不被分入该类。 以最大似然法为例，监督分类法的大体过程是： (1)选择有代表性的试验区(训练区)。 (2)将已知地物类别的图像进行灰度统计和运算，求其均值、方差和协方差矩阵。 (3)选择判别函数确定其判别规则。例如，用概率判别函数，计算一个给定像元属于每一类的概率。 (4)用已知的其余像元进行检核。 (5)输入末知地区的数字图像，算出该地区各种地物在各波段的特征参数(灰度的均值、方差、协方差矩阵) 和落于已知类别Ci的概率。 (6)将已知地区和未知地区各种地物的特征参数进行比较。当像元落在某一点群内，它就归属于某一类。即从未知像元落于已知类别Ci的概率中，找出最大值所属的类别，就是未知像元的类别归属。 (7)打印输出或自动绘图——得到未知地区的地物分类结果 ENVI软件： 平行管道分类 最小距离分类 最大似然分类 马氏距离分类 神经网络分类方法 光谱角分类 二值编码分类 平行管道分类 使用简单的分类规则进行多光谱遥感图像的分类。 决策线在n维光谱空间中是一个平行的管道。 管道的直径根据距离平均值的标准差确定。 如果某个像元落在某一类的平行管道的阈值范围内，则划分到该类别中。 如果落在多个类中，ENVI则将这格像元划分到最后匹配的类别。 落不到任何管道中，则标识为未分类像元。 输入参数 Max stdev from the mean, 是距离平均值多少个标准差。 最小距离分类 计算未知像元距离各个类别均值向量的欧氏距离，将该像元划分到距离最小的类别中。如果没有没有确定最大的标准差和距离阈值，则所有的像元都会分类。 输入参数：Max stdev from the mean, 是距离平均值多少个标准差。 Max distance error , 距离的最大阈值 如果两个参数都输入了，ENVI 使用其中小的作为最终的判别标准。 最大似然分类 假设条件：数据符合多维正态分布。如果不符合，分类的精度也将下降。 计算每个像元属于各个类别的似然度(likelihood)，该像元分到似然度最大的类别中。 似然度是像元数据X 属于类别k 的后验概率。 如果类别k中X的条件概率为P(x/k), 则似然度 Lk的计算公式为： 马氏距离分类 这是一个方向敏感的分类器。类似于最大似然分类。 区别是假定所有类别的协方差矩阵是相同的。 因此速度比最大似然法要快。 第八节 非监督分类－集群分析 又叫空间积群、点群分析或聚类分析。这是一种边学习边分类的方法，是按照灰度值向量或波谱样式在特征空间聚集的情况划分点群或类别的。其类属是通过对各类的光谱响应曲线进行分析以及实地调查数据相比较后确定的。 一、概述 遥感图像上的同类地物在相同的表面结构特征、植被覆盖、光照等条件下，应当具有相同或相近的光谱特征，从而表现出来某种内在的相似性，归属于同一个光谱空间区域；不同的地物，光谱信息特征不同，归属于不同的光谱空间区域。这就是非监督分类的理论依据。 非监督分类用于在没有已知类别的训练数据的情况下，而且，在一幅复杂的图像中分类选择训练区，有时并不能完全包括所有的波谱样式，造成一部分像元找不到归属。在实践中为进行监督分类而确定类别和选取训练区也是不