摄影测量与遥感技术课件-遥感数字图像的计算机解译.pptVIP

遥感数字图像的计算机解译 * §1、数字图像的性质和特点 遥感数字图像 遥感数字图像是以数字表示的遥感图像,其最基本的单元是像素.像素是成像过程的采样点,也是计算机处理图像的最小单元.像素具有空间特征和属性特征. 像素的属性特征采用亮度值来表达. 正像素;混合像素 * §1、数字图像的性质和特点 二、遥感数字图像的特点 便于计算机处理与分析 图像信息损失少 抽象性强 * §1、数字图像的性质和特点 三 .遥感数字图像的表示方法 遥感数字图像是以二维数组来表示的. * §1、数字图像的性质和特点 三 .遥感数字图像的表示方法 遥感图像按照波段数量分为: 单波段数字图像:SPOT 的全色波段. 多波段数字图像:TM的7个波段数据. 多波段数字图像的三种数据格式 BSQ格式(Band sequential) BIP格式(Band interleaved by pixel) BIL格式(Band interleaved by line) * §1、数字图像的性质和特点 四.航空像片的数字化 空间采样：将航空像片具有的连续灰度信息转化为每行有m个单元，每列有n个单元的像素组合。 属性量化：可得到每个像元的数字模拟量，与航空像片中对应位置上的灰度相对应。 * §2、遥感图像的计算机分类 * 一、分类原理与基本过程 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。 遥感图像计算机分类方法 监督分类法：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。 * 一、分类原理与基本过程 遥感数字图像计算机分类基本过程 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。 根据研究区域，收集与分析地面参考信息与有关数据。 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。 找出代表这些类别的统计特征 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。 对遥感图像中各像素进行分类。 分类精度检查。 对判别分析的结果进行统计检验。 * 二、图像分类方法 1、监督分类 （1）、最小距离分类法 Step 2 – for each unclassified pixel, calculate the distance to average for each training area * 二、图像分类方法 1、监督分类 （1）、最小距离分类法 最近邻域分类法 Nearest Neighbour 。 Defines a typical pixel for each class Assigns pixels on the basis of spectral distance Can separate diverse classes Boundary problems remain unresolved * 二、图像分类方法 1、监督分类 （2）、多级切割分类法 通过设定在各轴上的一系列分割点，将多维特征空间划分成分别对应不同分类类别的互不重叠的特征字空间的分类方法。 对于一个未知类别的像素来说，它的分类取决于它落入哪个类别特征字空间中。 * 二、图像分类方法 1、监督分类 （3）、特征曲线窗口分类法 特征曲线是地物光谱特征曲线参数构成的曲线。 以特征曲线为中心取一个条带，构造一个窗口，凡是落在此窗口内的地物即被认为是一类，反之，则不属于该类。 * 二、图像分类方法 1、监督分类 （4）、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。 Maximum Likelihood Defines a typical pixel for each class Calculates the probability that each pixel in t