遥感数字图像计算机的解译整理.pptVIP

第六章遥感数字图像的计算机解译 本章主要内容 6.1遥感数字图像的自动分类 6.2遥感图像多种特征的抽取 6.3遥感图像解译专家系统  6,1愿图像的计算机分类 dallied Super sed Classf canon From:bttp://www.fes.uwaterloocacrs/geag376.n2001/  6,1愿图像的计算机分类 (原型 成 电磁波特 成像方式 物理屈性 几何投影 感影像 模型〕 几何位置 物理属性 程读图过程 出图信 模型〕 地物信恩 原巫 感专题提取过程  6,1避感图像的计算机分类 专题信息提取的概念: 日本遥感学会:利用图像的光谱信息,空间信息以及多时相信息对目标 进行识别并归类,并将可从遥感图像中提取的信息分为五类。 表从遥感信息中提取的专题信息 提取信息的类 举例 ①分类 土地洭盖、树种识别、植被和农作物 )变化检泱 土地翟盖变化 ⑧物理的提取 温度、大气成分,高程、土墚含水壘 ④指标提取 植被指数、浑浊指标 ⑤特定地物和状态的提取山、水灾、线形构造、遗迹探察  6,1愿图像的计算机分类 目视解洚(解释 计算机图家分类 1)可以利用解译人员的专业知识 和图象的空间信息,擅长取/1快速、大量地处理有关信息 空间信息 避免由于判读人员的经验或主观 点|2)精度比较高 感觉的不同而引起的差异和错误 3)带有自动的综合能力,结果便 3)可以用已经有的知识推定难以达 于进行矢量化处理,边界符合 到的未知区域的情况,减少大量的 地图常识 野外工作 1)解译人员存在个人差异,主观 因素的干扰较大 1)算法相对比较简单,和用遙感信息 点2)很难区分同构异谐和异物同谙 的 现象 )结果图象相对比较“凌乱¨ 花费的时间 5  6.1遥愿图像的计算机分类 61.1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  6,1愿图像的计算机分类 2)遥感图像计算机分类方法 监督分类。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。  6.1遥愿图像的计算机分类 3)字计算机分测基事过 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。 2.根据研究区域,收集与分析地面参考信息与有关数据。 3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。 4.找出代表这些类别的统计特征  6.1遥愿图像的计算机分类 3)遥子圆健计事机分基事过 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, 可用聚类等方法对特征相似的像素进行归类,测定其 特征 6.对遥感图像中各像素进行分类 7.分类精度检查。 8.对判别分析的结果进行统计检验。  6.1遥愿图像的计算机分类 61,2图像分类方法一监督分类 ()最小距离分类法 average fc