《遥感原理与应用》孙家抦版知识点总结（含简答题、论述题）——第八章.pdfVIP

忍一句，息一怒，饶一着，退一步。——《增广贤文》 《遥感原理与应⽤》孙家抦版知识点总结（含简答题、论述题）——第⼋章 《遥感原理与应⽤》孙家抦版知识点总结 第⼋章遥感图像⾃动识别分类 1.模式识别 ⼀个模式识别系统对识别的模式作⼀系列的测量，然后对测量结果与模式字典中⼀组典型的测量值⽐较。若和字典中某⼀词⽬的⽐较结果吻 合或⽐较吻合，则我们就可以得出分类结果这⼀过程。 2.统计模式识别 对模式的统计分类⽅法，即把模式类看成是⽤某个随机向量实现的集合。 3.遥感图像⾃动分类 按照决策理论⽅法，需从被识别的模式中，提取⼀组反映模式属性的测量值，并把模式特征定义在⼀个特征空间中，进⽽⽤决策的原理对特 征空间进⾏划分。 4.光谱特征向量 同名地物点在不同波段图像中两度观测量将构成⼀个多维的随机向量。 5.特征空间 为了度量图像中地物的光盘特征，建⽴⼀个以个波段图像的亮点分布的为⼦空间的多维光谱特征空间。地物在特征空间具有聚集性（详见简 答题1） 6.特征变换及特征选择 主分量变换(K-L变换) 步骤 计算多光谱图像的均值向量M和协⽅差矩阵Σ。 计算矩阵Σ和特征值λ，和特征向量φ_r(r=1,2,…,m)，m为多光谱图像的波段数。 将特征值λ，按由⼤到⼩的次序排列，即λ_1λ_2…λ_m。 选择前n个特征值对应的n个特征向量构造变换矩阵Φ_n。 根据Y=Φ_nX进⾏变换，得到的新特征影像就是变换的结果，X为多光谱图像的⼀个特征值⽮量 哈达玛变换 （⼀阶H= 【1，1，1，-1】） 缨帽变换 （经验性的） 距离测度、散布矩阵测度 （类内越⼩越好，类间越⼤越好） 7.判别函数 （⽤来表⽰和鉴别某个特征⽮量属于哪个类别的函数）和判读规则 概率判别函数和贝叶斯判别规则（最⼤似然）、距离判别函数和判别规则（最⼩距离分类法通常使⽤：马⽒距离、欧⽒距离、计程距离）、 其他的判别函数和判别规则 8.分类过程 穷则独善其身，达则兼善天下。——《孟子》 百学须先立志。——朱熹 确定感兴趣的类别数 特征变换和特征选择 选择训练样区（准确性、代表性和统计性） 确定判决函数和判决规则 根据判决函数和判决规则对⾮训练样区的图像区域进⾏分类 9. ⾮监督分类 ⼈们事先对分类过程不施加任何的先验知识，⽽仅凭遥感影像地物的光谱特征的分布规律，级⾃然巨雷的特征进⾏盲⽬分类。 K-均值聚类法：K-均值聚类法的聚类准则是使每⼀聚类中，多模式点到该类别的中⼼的距离的平⽅和最⼩。其基本思想是，通过迭代， 主次移动各类的中⼼，直⾄得到最好的聚类结果为⽌。 ISODATA算法聚类分析：（1）初始化（2）选择初始中⼼（3）按⼀定规则(如距离最⼩)对所有像元划分（4）重新计算每个集群的均 值和⽅差，按初始化的参数进⾏分裂和合并 （5）结束，迭代次数或者两次迭代之间类别均值变化⼩于阈值（6）否则，重复3-5（7）确认 类别，精度评定 简答题 1. 什么叫特征空间？地物在特征空间聚类有哪些特性？ 答 ：特征空间：为了度量图像中地物的光谱特征，建⽴⼀个以波段图像的密度分布不同的⼦空间。 特性：1、不同地物由于光谱特征不同，将分布在特征空间的不同位置。 2、同类地物的各取样点在光谱各种空间中的特征点将不可能值表现为同⼀点，⽽是形成⼀个相对聚集的点集群，不同类地物 的点集群在特征空间内⼀般是相互分离的。 3、地物在特征空间的聚类通常⽤特征点分布的概率密度函数表⽰。 2. 为什么要进⾏特征选择？列举特征选择的⽅法。 答 ：希望能⽤最少的影像数据最好的分类。⽅法：距离测量、散布矩阵测度 3. 叙述监督分类与⾮监督分类的区别。 答 ：①原理上 ：a.监督分类 根据遥感图像上已知的样本类别和类别的先验知识，利⽤这些样本类别的特征作为依据来识别⾮样本数据的类 别。即“先学习后分类 b.⾮监督分类 对分类过程不施加任何先验知识，仅凭遥感影像地物的光谱特征的分布规律进⾏ “盲⽬”的分类，其结果只 区分类别，能不能确定类别属性。即“边学习边分类”。 ②监督分类精确度⾼，与实际类别吻合较好 ；⾮监督分类与实际类别相差较⼤，但⼯作量⼩，容易实现。 ③有先验知识时使⽤监督分类，没有先验知识时使⽤⾮监督分类. 4. 如何评价分类精度？ 答 ：采⽤混淆矩阵。对检核分类精度的样区所有像元，统计器分类图中的类别与实际类别之间的混淆程度，列出混淆矩阵。 5. 遥感图像计算机