遥感数字图像处理_遥感数字影像分类.ppt

  1. 1、本文档共92页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
反向推理(Backward Chaining),即目标驱动方式推理,这种推理方式先提出假设,再由此出发,进一步寻找支持假设的证据。推理过程:选定一个目标,在知识库中查找能导出该目标的规则集。若这些规则中的某条规则的条件部分与遥感数据库内特征(事实)匹配,则执行该规则;否则,将该规则条件部分作为子目标,递归执行上述过程,直到总目标被求解或不存在能导出目标(或子目标)的规则为止。 正向推理(Forward Chaining),即事实驱动方式的推理,它由已知事实出发向结论方向推理。推理过程大致是:系统根据地物的各种特征,在知识库中寻找能与之匹配的规则。若找到,则将该规则的结论部分作为中间结果,利用这个中间结果继续与知识库中的规则匹配,直到得到最终结论。 执行推理时,系统根据遥感影像解译任务在解译地区选取目标参数,由参数确定区域结点并将与遥感影像解译任务有关的规则送入公共数据区,同时,系统由影像数据库取出待识别目标地物特征数据送到公共数据区(知识黑板),对公共数据区当前数据与知识网中所有规则左部匹配测试。当一条规则的左部与公共数据区的当前数据匹配成功,该规则被触发。规则右部执行操作或调用函数求值,操作结果或计算值作为新的数据填入黑板上槽名指示的槽中。当几条规则同时得到触发,公共数据区对应的槽中可能被赋予几个值(几条触发的规则得到结论),系统将这些值链接存贮,采取面向遥感影像解译领域的冲突仲裁策略,借助遥感影像解译专家来选取多个中间推理结论中的一个。 当一条规则的前提条件并未全部满足时,系统则转入反向推理,用反向推理进一步寻找支持假设的证据,把前提条件中缺失的事实(不满足的条件)当作目标,对每一个假设的目标获取信息进一步逐个进行测试,当通过推理规则获得必要证据或从用户处获得证据后,假设的目标得到证实。此时假设的目标作为事实赋给前提条件,同时系统再次启动正向推理。 推理产生的中间结果数据送入公共数据区,知识网络中的规则再度同更新后的公共数据区的数据作匹配测试,重复“匹配-冲突-解译”的推理过程,直到得出遥感影像解译结果。 完成一个目标地物识别后,执行公共数据区初始化,从影像数据库取出新的地物数据送入到公共数据区,重复前个地物目标推理过程,直到影像数据库内所有的目标地物都予以识别后,结束推理。 3.2 非监督分类算法 前提是假定遥感影像上同类物体在同样条件下具有相同的光谱信息特征。非监督分类方法不必对影像地物获取先验知识,仅依靠影像上不同类地物光谱信息(或纹理信息)进行特征提取,再统计特征的差别来达到分类的目的,最后对已分出的各个类别的实际属性进行确认。 非监督分类主要采用聚类分析方法,聚类是把一组像素按照相似性归成若干类别,即“物以类聚”。它的目的是使得属于同一类别的像素之间的距离尽可能的小而不同类别上的像素间的距离尽可能的大。其常用方法有: 分级集群法 动态聚类法 3.2.1 分级集群法 当同类物体聚集分布在一定的空间位置上,它们在同样条件下应具有相同的光谱信息特征,其他类别的物体应聚集分布在不同的空间位置上。由于不同地物的辐射特性不同,反映在直方图上会出现很多峰值及其对应的一些灰度值,它们在影像上对应的像元分别倾向于聚集在各自不同灰度空间形成的很多点群,这些点群就叫做集群。 分级集群法采用“距离”评价各样本(每个像元)在空间分布的相似程度,把它们的分布分割或者合并成不同的集群。每个集群的地理意义需要根据地面调查或者与已知类型的数据比较后方可确定。 分级集群法的分类过程如下: 确定评价各样本相似程度所采用的指标,这里可以采用前面监督分类中介绍的几种距离。 初定分类总数n。 计算样本间的距离;根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,然后再计算并改正其距离。在达到所要分类的最终类别数以前,重复样本间相似度的评价和归并,这样直到所有像素都归入到各类别中去。 确定采用的距离 确定分类总数n 找出距离最小的类别组 归并距离最小的类别 计算归并后新的个体间的距离 归并后的 类别数 STOP 分级集群方法的特点是这种归并的过程是分级进行的,在迭代过程中没有调整类别总数的措施,如果一个像元被归入到某一类后,就排除了它再被归入到其他分支类别中的可能性,这样可能导致对一个像元的操作次序不同,会得到不同的分类结果,这是该方法的缺点。 3.2.2 动态聚类法--ISODATA方法 在初始状态给出影像粗糙的分类,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,这种聚类方法就是动态聚类。ISODATA (Iterative Orgnizing Data Analysize Technique迭代自组织数据分析技术)方法在动态聚类法中具有代表性。 按照某个原则选

文档评论(0)

smashing + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档