《遥感图像分类》课件.pptVIP

* * * * 遥感图像分类 本课程将全面讲解遥感图像分类知识，包括基础概念、特征提取、分类算法、深度学习和应用案例等方面内容。 遥感图像分类基础知识 1 定义 遥感图像分类是将无人机或卫星遥感数据分为不同的类别，从而获得对一定地理范围内地物的信息。 2 种类 根据分类的方法和目标分为监督和非监督分类，根据分类精度和时间尺度分为地物和土地覆盖分类。 3 意义 是研究地球表面海陆属性、照射能被反射或被辐射单位时间内散射的地表特征，并用计算机自动提取出各种地物信息的重要手段。 遥感图像的特征提取 光谱特征 区分物体的颜色、反射率、光谱形状等。 空间特征 物体间隙、纹理、形态、大小等空间关系。 时序特征 同一地区的遥感图像在时间序列上变化时反映出地物变化、自然灾害以及社会经济活动等。 监督分类与非监督分类概述 1 监督分类 使用训练数据，根据预先确定的标准将像元划分类别。 2 非监督分类 将图像中相似的像元组成一类，区分出地图中不同地物。 3 不同之处 监督分类需要一定的先验知识，非监督分类更加自适应性强，可以自动确定分类数目和分类阈值。 经典的遥感图像分类算法介绍 最小距离分类法 通过像元和类别之间的距离来判断待分类像元属于哪个类别。 最大似然分类法 将待分类样本判定为概率最大的类别，基于贝叶斯理论推导求出类别变量的概率密度函数，然后在分类过程中利用该函数来计算待分类样本的后验概率。