专题四分分类后处理.pptVIP

review 丶遥感数字图像处理概论 图像的数据格式及统计描述 BSQ\BP\B儿三种数据格式 统计特征参数 ENV基础 遥感图像分类 监督分类 0分类后处理  1分类方法 监督分类 图像分类目视判读 非监督分类 基于像素 决策树分类 (模糊集、神经网 计算机分类 络、分层聚类、 (解译) 空间逐步优化) 基于分割单元 (面向对象)  计算机分类是对遥感图像上的地物进行属性的识别 和分类,是模拟识别技术在遥感技术领域中的具体  l、监智分类与非监智分类方法义 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。 监督分法:选择具有代表性的典型训练区,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。  9、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区来获取先验的类别 知认 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类效果好。  图象预处理 选择分类方法 特征选择和提取 选择合适的分类参数 进行分类 分类后处理 成果输出 遥感数字图像计算机分类基本过程  Supervised classification selecting training areas, also known as regions of interest(ROD). Parallelepiped,(平行六边行法) Minimum distance,(最小距离) Mahalanobis distance Maximum likelihood,(最大似然法 Spectral angle Mapper, Binary  、监督分类 ()、最小距离分类装 ut for each calculate the distance to average for each training area Unclassified pixel  最大似然比分类法( Maximum likelihood 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 probat lity Band xI  监督分类 前提:已知遥感图像上样本区内地物的类别,该样 本区又称为训练区 过程: (1)确定判别准则,计算判别函数——训练 (2)将未知类别的样本值代入判别函数,判定类别。 利用已知类别样本的特征值求解判别函数的过程 称为学习或训练。