其本质是地物光谱特征的分类课件.pptVIP

第六章遥感数字图像计算机解译遥感影像计算机分类Dept.ofLandInformationEngineeringChuzhouUniversity

第三节遥感数字图像的计算机分类2

本节内容一、分类原理与过程二、分类方法三、遥感图像解译专家系统3

遥感数字图像的计算机分类一、分类原理与过程1.概述2.方法3.过程4

一、分类原理与过程1.概述定义（计算机自动识别）：自然界中不同类型的地物具有各自不同的电磁波谱特性，遥感数字图像中像元的不同数值（亮度值）反映了相应地物的波谱特性。因此，通过计算机对图像像元的数值的统计、运算、对比和归纳，对像元进行分类，即可达到对地物的自动识别，这种技术处理称为~。5

一、分类原理与过程1.概述所依赖的理论方法：统计模式识别，提取待识别模式的一组统计特征值，然后按照一定准则作出分类决策。例如：你身高1.9m，体重100kg?99%你是男人身高/体重=？?婴儿、儿童、青少年、青年、中年……6

一、分类原理与过程1.概述遥感图像分类中所用统计特征变量：全局统计特征变量：将整个数字图像作为研究对象，从整个图像中获取或进行变换处理后获取变量；局部统计特征变量：将数字图像分割为不同识别单元，在各单元内分别抽取的统计特征变量（如描述纹理的特征量）。例如，1-7波段亮度值是特征变量x,x,…,x；组合运算也可127产生特征变量。7

一、分类原理与过程1.概述利用统计特征变量进行分类，需要：（1）变量能反映分类特征的区别；将人分婴儿、儿童…，要选择特征变量“年龄”，而不是身高、体重、性别、民族…波段1-7分别反映对不同波段的反射率差异，但如果进行热分布制图，主要依据热红外波段(6)，而不用其他波段值。（2）如果有几个特征变量，尽可能使其：区分不同的特征如，通过主成分变换，将相互之间存在相关性的原始波段遥感图像转换为相互独立的多波段新图像，变换后的信息集中于前几个组分的图像上，实现特征空间将维数压缩的目的。8

一、分类原理与过程1.概述遥感图像计算机分类的依据——图像像素的相似度一组图像（原始的、主成分变换后的、或其它运算产生的）每个像素对应有1组特征值该像素所属类别？?同类别的像素应当特征相似?特征值具有较高相似度9

一、分类原理与过程1.概述相似度的衡量方法，常采用距离、相关系数衡量：（1）绝对值距离（2）欧氏距离（3）马氏距离（4）混合距离（5）相关系数例，已知分类标准：类别婴儿[0-2]，平均1岁；儿童3-9，平均6岁；少年……；问:8岁的人是哪一类？——混合距离发现，离儿童平均年龄6岁差值2，最接近?所以是“儿童”类10

（1）绝对值距离i，j为特征空间中两点11

l（2）欧式距离在二维和三维空间中的欧式距离的就是两点之间的距离，二维的公式是d=sqrt((x1-x2)^+(y1-y2)^)三维的公式是d=sqrt(x1-x2)^+(y1-y2)^+z1-z2)^)推广到n维空间，欧式距离的公式是d=sqrt(∑(xi1-xi2)^)这里i=1,2..nxi1表示第一个点的第i维坐标,xi2表示第二个点的第i维坐标12

l（3）马氏距离即考虑离散度，也考虑到各轴间总体分布的相关性（协方差）。为协方差矩阵13

l（4）混合距离像元i到第g类类均值的混合距离。l（5）相关系数14

一、分类原理与过程2.方法（1）非监督分类方法（2）监督分类方法15

一、分类原理与过程2.方法（1）非监督分类方法定义：非监督分类又称边学习边分类法。它直接对输入的数字图像像元数值（亮度值）进行统计运算处理，分别将每个像元归纳到由图像各波段构成的多维空间的集群中，达到分类识别的目的。16

一、分类原理与过程2.方法（2）监督分类方法定义：监督分类又称训练场地法或先学习后分类法。它是先选择具有代表性的典型试验区或训练区，用训练区已知地面样本的光谱特征来“训练”计算机，获得识别各类地物的判别模式或判别函数，并依此模式或判别函数，对未知地区的像元进行处理分类，分别归入到已知的类别中，达到自动分类识别的目的。17

一、分类原理与过程3.过程（1）明确分类目的，选取数字图像；（2）收集、分析地面参考信息和有关数据；数字图像预处理（几何纠正、辐射纠正）；（3）比选合适的分类方法和算法，制定分类系统；（4）找出代表这些类别的统计特征；（5）采用训练场地（监督分类中）或聚类方法（非监督分类中）测定总体特征；（6）对各未知像素分类；（7）分类精度检查（用训练数据或随机抽样数据）；（8）对判别分析的结果统计检验；18

二、分类方法（一）——非监督分类l非监督分类的前提：假定遥感影像上同类物体在同样条件下具有相同的光谱信息特征。完全按照像元的光谱信息特征进行分类，适用于对分类区不了解的情况。自动化