遥感图像分类课件.ppt

四.分类精度评价有150个样本数据，这些数据在计算机分类结果中被分成3类，每类50个。分类结束后得到的混淆矩阵为：类1的50个样本有43个分类正确，5个错分为类2，2个错分为类3类2的50个样本有45个分类正确，2个错分为类1，3个错分为类3类3的50个样本有49个分类正确，0个错分为类1，1个错分为类2实际类别类1类2类3行和分类类别类1435250类2245350类3014950列和455154第31页，共41页，星期日，2025年，2月5日遥感图像分类第1页，共41页，星期日，2025年，2月5日目录图像分类基本概念和原理监督分类方法非监督分类方法分类精度评价分类后处理第2页，共41页，星期日，2025年，2月5日一.图像分类基本概念和原理遥感图像分类是图像信息提取的一种方法遥感图像分类是遥感数字图像处理的重要环节，也是遥感应用最广泛的领域之一提取信息的类型举例分类土地覆盖、树种识别、植被和农作物变化检测土地覆盖变化物理量的提取温度、大气成分、高程、土壤含水量指标提取植被指数、浑浊指标特定地物和状态的提取山火、水灾、线形构造、遗迹探察第3页，共41页，星期日，2025年，2月5日一.图像分类基本概念和原理在特征空间中，依据像元相似度的大小，归类相似的像元，分离不相似的像元，并给每一个像元赋类别值的过程分类的总目标是将图像中所有的像元自动进行土地覆盖类型或土地覆盖专题的分类第4页，共41页，星期日，2025年，2月5日一.图像分类基本概念和原理第5页，共41页，星期日，2025年，2月5日遥感图像遥感图像计算机分类流程框图色调、颜色、阴影、形状、纹理、大小、位置、图型、相关布局遥感图像特征集基于光谱的基于空间关系的统计分类结构分类模糊分类神经网络分类小波分析专家系统遥感图像计算机分类光谱模式识别空间模式识别新方法一.图像分类基本概念和原理第6页，共41页，星期日，2025年，2月5日将影像数据的连续变化转化为地图模式，以提供给用户有意义的信息获得关于地面覆盖和地表特征数据的更深刻的认识较目视解译客观，在分析大数据集时比较经济可对复杂的多波段数据及其相互关系进行有效分析为什么使用计算机分类？一.图像分类基本概念和原理第7页，共41页，星期日，2025年，2月5日按人工干预的程度不同，可以分为：监督分类法非监督分类法分类步骤：选择合适的分类算法用所选算法分割特征空间根据像元在特征空间中的定位对每一个像元赋类别值对分类结果进行精度评价一.图像分类基本概念和原理第8页，共41页，星期日，2025年，2月5日二.监督分类方法监督分类方法的思想：确定每个类别的样区学习或训练确定判别函数和相应的判别准则计算未知类别的样本观测值函数值按规则进行像元的所属判别第9页，共41页，星期日，2025年，2月5日二.监督分类方法判决函数和判决规则：判决函数：当各个类别的判别区域确定后，用来表示和鉴别某个特征矢量属于哪个类别的函数判别规则：判断特征矢量属于某类的依据。当计算完某个矢量在不同类别判决函数中的值后，我们要确定该矢量属于某类必须给出一个判断的依据。这种判断的依据，称之为判别规则第10页，共41页，星期日，2025年，2月5日首先需要从研究区域选取有代表性的训练场地作为样本根据已知训练区提供的样本，通过选择特征参数（如像素亮度均值、方差等），建立判别函数，据此对样本像元进行分类，依据样本类别的特征来识别非样本像元的归属类别二.监督分类方法第11页，共41页，星期日，2025年，2月5日选择训练样本区确定类别数对每类选择足够多的有代表性的样本分类前分析样本区质量选择合适的分类算法分类结果的精度评价二.监督分类方法第12页，共41页，星期日，2025年，2月5日训练样区的选择：准确性——确保选择的样区与实际地物的一致性代表性——考虑到地物本身的复杂性，所以必须在一定程度上反映同类地物光谱特性的波动情况统计性——选择的训练样区内必须有足够多的像元二.监督分类方法第13页，共41页，星期日，2025年，2月5日二.监督分类方法类别颜色水体Cyan混凝土Purple高层建筑Thistle裸地Coral草坡Yellow森林Green第14页，共41页，星期日，2025年，2月5日二.监督分类方法第15页，共41页，星期日，2025年，2月5日主要的监督分类方法：平行六面体分类法最小距离分类法马氏距离分类法