遥感原理与应用 课件 第六章 遥感图像信息计算机识别.ppt

第79页2.5遥感图像分类新方法具体过程对权系数置初值给定训练数据集计算各层实际输出计算学习误差修正权系数和阈值误差是否满足要求分类NY第80页2.5遥感图像分类新方法结论：（1）可以在一定程度上消除传统的遥感影像分类所带来的模糊性和不确定性。（2）从分类所需的时间上来讲，已经过训练的神经网络所具有的速度不会低于传统的遥感影像分类方法，如果隐节点的数目选择合适，神经网络模型的建立合理，速度还会超过传统的遥感影像分类方法。（3）存在许多有待解决的问题。第81页2.5遥感图像分类新方法■小波分析基本思想：用一族函数去表示或接近一信号或函数，这一族函数称为小波函数系。它是通过基本小波函数的不同尺寸的平移和伸缩构成的。若设基本小波函数为h(x)，伸缩和平移因子分别为a和b，则小波变换基底定义为： 函数f(x)的小波变换为：优点： 线性叠加性、平移共变性、尺度共变性、能量守恒性、局域正则性。第82页2.5遥感图像分类新方法f(a)f(b)f(n)y1y2ynw11w1n∑∑∑j=1rx1x2…xm结构第83页2.5遥感图像分类新方法■分形技术一般来说，从几何形体上可将遥感图像上的地物分为两大类：一类是具有规则和边界光滑的“人造地物”，如建筑物等；另一类则是不规则但具有精细结构或自相似特征的自然地物，如沙丘、山脉等。目前，分形技术在遥感图像数据压缩方面可以得到较好的效果，如Imager分形图像压缩软件能很好地实现对一些遥感图像的压缩。但是利用“分形”技术提取自然地物特征还尚在研究之中，仍有许多研究工作要开展，如利用自相似性尺度函数刻画地物纹理结构特征。第84页2.5遥感图像分类新方法■模糊分类方法模糊理论认为，在是与非之间存在着中间状态，不确定性事物的归属度可用概率方式表示其模糊性和不确定性。在遥感图像分类中，一些地物往往存在着模糊边界，要明确判定地物分类类别边界是件不容易的事情。例如，图像中灌丛与草地边界确定。对这种边界不确定的情况可通过模糊分类方法来解决问题。首先，建立最大似然比模糊分类模型，然后利用最大似然比模糊性分类法对过渡类别进行分类。第85页2.5遥感图像分类新方法遥感图像分类具有探索性强，涉及技术领域广、难度大等特点，需采用模式识别、遥感图像处理、GIS与人工智能(专家系统和人工神经网络)等多技术综合研究。在研究思路上，应根据遥感图像目标地物特点，采用低、中、高三个层次进行描述和表达。低层次描述对象是图像像素，其不含任何语义信息，但是通过计算机分类方法可将这些识别对象进行重组，形成性质均一的地物单元(或区域)。中层次描述是在区域分割基础上抽取卫星图像形态特征、纹理特征、空间关系特征等，用以描述和表达目地物。高层次描述和表达的目标地物，是与理解图像有关的具有丰富语义的对象，允许按分析目标来解译图像，然后构造图像识别专家系统，实现图像匹配与多目标地物的智能化识别。PART03分类后处理和精度评价第六章遥感图像信息计算机识别第87页3.1分类后处理常用的分类后处理包括分类统计、聚类处理、过滤处理、去除分析、分类叠加和分类重编码等。■分类统计分类统计（ClassStatistics）：基于分类结果计算相关输入文件的统计信息，基本统计主要包括类别中的像元数、最小值、最大值、平均值以及类中每个波段的标准差等。分类统计可以绘制每一类的最小值、最大值、平均值以及标准差，还可以记录每类的直方图以及计算协方差矩阵、相关矩阵、特征值和特征向量，并显示所有分类的总结记录。第88页3.1分类后处理■聚类处理聚类处理（Clump）：运用形态学算子将邻近的类似分类区域聚类并合并。分类图像经常缺少空间连续性（分类区域中斑点或洞的存在）。低通滤波虽然可以用来平滑这些图像，但是类别信息常常会被邻近类别的编码干扰，聚类处理解决了这个问题。首先将被选的分类用一个扩大操作合并到一起，然后用参数对话框中指定了大小的变换核对分类图像进行侵蚀操作。第89页3.1分类后处理■过滤处理过滤处理(Sieve)功能是对经聚类统计处理后的聚类统计类组图像进行处理，按照定义的数值大小，删除聚类统计图像中较小的类组图斑，给所有小图斑赋予新的属性值0。