第一讲 分类原理、特征和相似性度量.pdf

第六章 遥感影像的分类 及农业应用 第六章 遥感影像的分类处理 一、分类原理、特征和相似性度量 二、非监督分类 三、监督分类 四、分类后处理和分类精度的评价与提高 五、遥感影像分类的农业应用 一. 分类原理、特征和相似性度量 1. 遥感影像分类： 遥感影像分类是把影像中的每个像元或区域划归为若干类别的过程， 即通过对各类地物的光谱特征分析来选择特征参数，将特征空间划分为互 不重叠的子空间，然后将影像内各个像元划分到各个子空间中去，从而实 现分类。 波段1 植被 水 波段2 特征向量 裸土 (a) 地物分布 (b) 遥感影像 波段 2 裸土 植被 图例 水 裸土 植被 水 波段1 (d) 专题图 (c) 特征空间 2. 光谱特征空间 遥感影像的光谱特征通常是以地物在多光谱影像上的亮度值 （反射率值或亮度温度值或后向散射系数…）体现出来。 假设遥感影像有n个波段，则(i,j)位置的像素在每个波段上的 灰度值可以构成表示为 T X X 1,X 2 ,...,X n  X是包含n维空间的光谱特征空间，例如2个波段定义的2维特征空 间，3个波段定义的3维特征空间等。这样n个波段的多光谱影像便 可以用n维特征空间中的一系列点来表示。在遥感影像分类问题中， 常把影像中的某一类地物称为模式，而把属于该类的像素称为样本， T X X 1,X 2 ,...,X n  可以称为样本的观测值。 二维特征空间 1 3 2 3. 特征选择 原始遥感影像的特征彼此之间往往具有较强的相关性，不 加选择的利用这些特征变量分类不但会增加多余的运算，反而 会影响分类的准确性；当特征维数增加的时候，特征组合形式 成指数倍增加，因此，需要从原始影像n个特征中选择k个特征 (nk)来进行分类。 错误率 Hughes休斯现象 波段数 4. 相似性度量 在特征空间已经存在的情况下，每个像素的分类问题，就是判定它与 哪个类的特征比较相似的问题。距离是常用的相似性度量的概念。分类是 确定像素距离哪个集群中心较近，或落入哪个集群范围的可能性大的问题。 像素与点群的距离越近，那么，属于该点群的可能性就越高。按照一定的 准则，当距离小于一定值时，像素被划分为最近的点群。每个点群