第10章遥感图像计算机信息提取(1).pptVIP

*初始聚类中心开始计算距离像元归类计算类别均值均值与中心数一致？新均值代替旧中心ISODATA算法框图停止是否第30页，共39页，星期日，2025年，2月5日*原始的聚类中心第1次迭代后的类别分布聚类过程:类别中心的变化第2次迭代后第n次迭代后第31页，共39页，星期日，2025年，2月5日*遥感数字图像的计算机分类监督分类与非监督分类方法对比1、是否用训练样区来获取先验的类别知识；2、分类效果：1）光谱特征类与地物信息类一一对应时，非监督分类效果好；2）两个地物类型对应的光谱特征类差异很小时，监督分类效果好.第32页，共39页，星期日，2025年，2月5日*10.3遥感影像计算机信息提取的其它方法一）、空间信息提取1、空间特征：形状、纹理及大小第33页，共39页，星期日，2025年，2月5日*遥感影像计算机信息提取的其它方法一）、空间信息提取2、空间关系：相邻、包含、穿过、相交等第34页，共39页，星期日，2025年，2月5日*遥感影像计算机信息提取的其它方法二）、专家系统应用专家系统是计算机模拟专家的思维、推理、判断和决策过程解决某一方面的具体问题。一般由知识库、数据库、推理机解释部分及知识获取等部分组成。三）、信息提取展望1)、多信息融合2)、多技术综合3)、基于三维信息提取第35页，共39页，星期日，2025年，2月5日*10.4遥感图像计算机分类精度与提高一）、混合矩阵法精度评价第36页，共39页，星期日，2025年，2月5日*遥感图像计算机分类精度与提高一）、混合矩阵法精度评价第37页，共39页，星期日，2025年，2月5日*遥感图像计算机分类精度及存在的问题未充分利用遥感图像提供的多种信息，如没有考虑相邻像素间的关系、未能利用图像中提供的形状和空间位置特征。提高遥感图像分类精度受到限制（分类精度---分类结果的正确率，如地物属性被正确识别、空间分布的面积被准确度量），遥感数字图像分类精度一般不超过90％。存在问题：制约分类精度的因素：1）遥感数据本省制约（仅地表、大气、分辨率等）2）分类方法制约（仅单点分类、仅光谱信息等）1）分类前处理2）分类树与分层分类3）使用不同分类方法4）多信息符合5）GIS技术支持提高分类精度的措施：第38页，共39页，星期日，2025年，2月5日*祝同学们学业有成！刘修国：LiuXg318@163.comMobile第39页，共39页，星期日，2025年，2月5日*遥感专题分类：是以区别图像中所含多个目标为目的，对每个像元或者比较匀质的像元组给出对应其特征的名称---分类的类别，多个特征向量（矢量）定义的空间为特征空间。人工目视判读、计算机自动分类。遥感图像计算机分类意义：1.快速获取地表不同专题信息,迅速地更新地理数据。2.实现遥感图像自动理解的基础研究之一，是地理信息系统中数据采集自动化研究的一个方向。计算机对遥感数字图像进行分类难度：（1）遥感图像从遥远的高空成像：成像过程：要受传感器、大气条件、太阳位置等多种因素的影响；影像提供的目标地物信息不完全、或多或少地带有噪声。（2）遥感影像信息量丰富：与一般的图像相比，包容的内容巨大多，信息“拥挤”；且不同地物间信息的相互影响、干扰。（3）遥感图像的地域性、季节性和不同成像方式---增加了自动解译难度。计算机图像分类：特征名称--类别，例如居民地、水域、林地等。特征空间--例如2个波段定义的2维特征空间，3个波段定义的3维特征空间等。遥感专题分类属于模式识别的范畴。模式识别的主要方法有统计模式识别、句法模式识别(结构模式识别)、模糊识别和智能模式识别。智能模式识别又分为人工神经网络和逻辑推理系统。上述方法在遥感专题分类都有不同程度的使用，其中统计模式识别方法应用最为普遍。**图像分类中的有关问题—特征向量：（1）选取的特征变量应有这样的性质，即对于不同类别的模式，该特征量值相差较大；而对于同类模式，则应有大体接近或相同的特征值。（2）对于某一类模式而言，特征量及特征值应能充分地表明该模式属于该类而不属于其它类别地主要根据。（3）各特征量之间互不相关或相关性很小，即各特征量所表示的模式类别的性质互不重复或不能互相导出。遥感图像分类的原始特征变量就是波段图像的波段变量本身，遥感变它们是分类的主要依据，这些波段图像可经过一些变换（如比值变换、差值处理和K-L变换等）获得一系列新的特征变量，同时还可以加入与图像网格坐标相一