《遥感导论》第6章遥感数字图像计算机解译.ppt

第6章遥感数字图像计算机解译 1、遥感数字图像与像片数字化 ☆ 数字图像特征 (1) 数字图像是将传感器接受到的电磁辐射强度转化为以数字（亮度级）表示的图像。 (2) 电磁辐射强度的量化等级通常为27，即0 ~ 127；数字图像处理的亮度范围是28，即0 ~255。两者之间存在差异是为了给图像处理留出必要的“空间”。 (3) 数字图像每个像元代表的地面范围取决于传感器的空间分辨率。 (4) 每景数字图像的行数、每行的像元个数与传感器（及其空间分辨率）有关（见P160，表5.8）。 (5) 数字图像多个波段的几何位置经过精确配准。 ☆ 遥感像片数字化 (1) 空间采样：一般情况下，采样后数字图像的比例尺应大于或等于原图像的比例尺。采样间隔以每英寸采多少点计算。 (2) 黑白像片的量化等级为8位,即0 ~ 255。 (3) 试采样时,注意反差调节。 (4) 多波段数字化时,注意波段配准。 (5) 彩色像片数字化：分别加红、绿、篮三色滤色镜，量化成24位，每个波段8位。 2、数字图像的计算机分类 ☆ 分类原理：依据被分类地物的光谱特征，找出能够反映被识别各类地物光谱（亮度）差异的特征波段，建立分类识别模式，进行分类。 ☆ 统计可分性的量度： (1) 离散度 – 用各类的平均值（类中心的空间位置）和方差（类中元素的分散程度）来描述。 (2) 空间距离 – 表示类与类之间的差异,通常用欧氏距离或马氏距离来描述。 当两类别间的空间距离比两者均方差的和要大时，类与类可分； 当两类别间的空间距离比两者均方差的和要小时，类与类不可分。 (3) 相似系数 - 表示类与类之间的相似程度。 (4) 判别函数 - 区分各个类别的曲线或曲面。 　　　　当识别目标为多类时，往往是一组判别函数（需注意：各个判别函数空间范围之间的逻辑关系）。 ☆ 数字图像计算机分类的一般过程与步骤 ( P195 ~ 196 ) (1) 按照识别目标,选择相应传感器图像,确定特征波段。 (2) 收集并分析相关地面参考信息（相关图件）。 (3) 按照识别目标和相关标准，建立分类体系（类别数）。 (4) 特征波段预处理 ---- 信息增强处理。 (5) 分析各个类别在特征波段中的统计特征。 (6) 确定判别函数，逐像元进行分类识别。 (7) 分类精度验证 ---- 实地验证、间接验证。 (8) 修改判别函数，最后分类，结果统计，完成报告。 3、非监督分类和监督分类 ☆ 非监督分类 ( P199 ) (1) 概念：仅依据影像上各类地物光谱信息，按照贝叶斯准则（错分损失最小），无人为干预的统计分类方法。 (2) 原理：以多个特征波段所建立的多维空间中的极大值为类中心，以贝叶斯准则建立判别函数，自动进行识别分类。 (3) 方法要点与步骤： Ａ、建立特征空间； Ｂ、预分类别数特征波段数+1（注意：初始类别数可远大于期望类别数，进行试分）； Ｃ、搜索特征空间中多维直方图的极大值； Ｄ、按预分类别数系统自动归并极大值，并确定方差范围。 Ｅ、分类，得到初步结果。 ☆ 监督分类 ( P 196 ~ 198 ) (1) 概念: 监督是指人为干预下的训练样本选取过程。依据训练样本的亮度特征建立“判别函数”，进行预分类；再依据预分类结果，调整训练样本，取得好的分类结果的过程，称为监督分类。 (2) 训练区的实际意义: 获得建立判别函数所必须的统计量。这些统计参数包括---- 均值、方差、协方差。 (3) 监督分类的关键---- 训练样本的选取 Ａ、类别数:如果特征空间( 波段数 )的维数是n，则预分类的类别数一定要 n+1 ,甚至可以达到3n 。 B、代表性:训练样本应该反映该类地物的亮度特征；且需注意同类地物空间分布的不连续性（如；可以分别在２块草地中选取训练样本）。 Ｃ、亮度分布：从亮度特征角度而言，对于同一类地物具有不同亮度特征情况，通常都要选取（同物异谱）。 Ｄ、纯度的把握： 一般来说，在已知类别的中间部位较高； 如果过纯，则方差过小，导致许多此类地物的像元被拒分； 如果不纯，则方差过大，导致不是此类地物的像元被分到该类别中，导致出现“错分”