遥感信息提取及应用.pptVIP

目视判读判读标志：地物在图像上的各种特有的表现方式03特征的表现方式—判读标志02遥感影像的基本特征？01景物特征和判读标志形状01大小02图形与边界03阴影04位置05纹理06类型07综合构图08空间特征及其判读标志(1)直接解译标志阴影：遥感图像上光束被地物遮挡而产生的地物的影子；有时需去除地形起伏引起的部分阴影。本影和落影(1)直接解译标志形状：地物的轮廓在影像平面的投影。需要根据影像比例尺和分辨率具体分析，注意畸变（雷达、航片边缘）(1)直接解译标志大小：地物的尺寸、面积、体积等按比例缩小的相似记录。根据比例尺在影像上量算.(1)直接解译标志纹理：遥感图像中目标地物内部色调有规则变化造成的影像结构。即地物影像轮廓内的色调变化的空间布局和频率。如点状、粒状、线状、斑状等粗糙、平滑(1)直接解译标志图型：目标地物有规律的排列而成的图形结构；是综合性解译标志，由形状、大小、色调、纹理等影像特征组合而成。人工地物具有某种特殊的图型。(1)直接解译标志位置：地物分布的地点;地理位置和相对位置。布局：物体间的空间配置。物体间一定的位置关系和排列方式，形成了很多天然和人工目标特点。目视解译要素大小Size根据比例尺推算出地物大小形状Shape人工与非人工地物的区别阴影Shadow利用阴影推算高度色调Tone灰度，反射率从白－黑的密度变化颜色Color颜色的差别有利于地物判读纹理Texture色调配合呈平滑或粗糙程度，草场与针叶林图案Pattern有规律排列形成的图案位置地理背景知识，综合分析先图外后图内先整体后局部先宏观后微观从已知到未知目视解译方法和步骤影像空间的识别要素：初级-灰度与色调二级-大小形状纹理三级-模式高度阴影高级-位置关系计算机图像解译基于统计的方法和基于规则的方法监督分类和非监督分类逐像元分类和面向对象分类硬分类和软分类计算机解译方法遥感影像光谱特征分布特点遥感影像自动解译原理同类地物在相同的条件下（纹理、地形等），应具有相同或相似的光谱信息特征和空间信息特征，从而表现出同类地物的某种内在的相似性，即同类地物像元的特征向量将集群在同一特征空间区域；而不同的地物其光谱信息特征或空间信息特征将不同，集群在不同的特征空间区域。基于光谱特征的分类原理遥感图像计算机分类的依据是遥感图像像素的相似度。常使用距离和相关系数来衡量相似度。采用距离衡量相似度时，距离越小相似度越大。采用相关系数衡量相似度时，相关程度越大，相似度越大。遥感分类基本过程根据图像分类目的选取特定区域的遥感影像，考虑空间分辨率、光谱分辨率、成像时间、图像质量等。根据研究区域，收集与分析地面参考信息与有关数据。根据分类要求和影像的特征，选择合适的图像分类方法和算法。制定分类系统，确定分类类别。找出代表这些类别的统计特征测定总体特征，在监督分类中可选择具有代表性的训练场地进行采样。在非监督分类中，可用聚类等方法对特征相似的像素进行归类，测定其特征。对遥感图像中各像素进行分类。分类精度检查。对判别分析的结果进行统计检验。监督分类法：选择具有代表性的典型实验区或训练区，用训练区中已知地面各类地物样本的光谱特性来“训练”计算机，获得识别各类地物的判别函数或模式，并以此对未知地区的像元进行分类处理，分别归入到已知的类别中。非监督分类：是在没有先验类别（训练场地）作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并（即相似度的像元归为一类）的方法。监督分类和非监督分类监督分类的关键是选择训练场地。训练场地要有代表性，样本数目要能够满足分类要求。此为监督分类的不足之处。非监督分类不需要更多的先验知识，据地物的光谱统计特性进行分类。当两地物类型对应的光谱特征差异很小时，分类效果不如监督分类效果好。根本区别在于是否利用训练场地来获取先验的类别知识。监督分类与非监督分类方法比较非监督分类—动态聚类动态聚类就是在开始时先建立一批初始中心，而让待分类的各个像元依据某些判决准则向初始中心凝聚，然后再逐步修改调整中心，重新分类；并根据各类离散性统计量和两类间可分离性的统计量再进行合并和分裂。此后再修改调整中心，这样不断继续下去，直到分类比较合理为止。需要事先确定训练场地和选择训练样本，训练样本需要具有一定的代表性考虑到各种地物光谱辐射的复杂性和干扰因素的多样性，需要多考虑一些样本在某一地区建立起来的判别式只能适用于同一地区或地学条件相似的地区监督分类监督分类-最小距离分类法距离作为判别准则，根据像点到各类中心的距离来判别分类监督分类--最大似然比分