《遥感图像分类》PPT课件

《遥感图像分类》PPT课件

ID:37015292

大小:1.40 MB

页数:77页

时间:2019-05-11

《遥感图像分类》PPT课件_第1页
《遥感图像分类》PPT课件_第2页
《遥感图像分类》PPT课件_第3页
《遥感图像分类》PPT课件_第4页
《遥感图像分类》PPT课件_第5页
资源描述:

《《遥感图像分类》PPT课件》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、遥感图像分类任课教师:杨晓霞2013年3月图像分类基本概念和原理计算机分类的概念判别函数与判别规则影像空间与特征空间特征空间中的距离遥感图像分类过程监督分类方法非监督分类方法提高分类精度的方法内容大纲2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遥感图像自动识别分类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、遗迹探察在特征空间中,

2、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什么是遥感图像计算机分类?计算机分类实例原始遥感图像对应的专题图像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为什么使用计算机分类?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

3、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光谱特征空间光谱特征空间:以各波段图像的亮度分布为坐标轴组成的空间同类地物在特征空间形成一个相对聚集的点集群不同类地物的点集群在特征空间内一般是相互分离的SPOT影像真实二维特征空间示例1-21-31-42-32-43-4特征空间中的距离“物以类聚”,而图像分类的依据通常是像元之间的相似性。相似性通常又采用“距离”来度量。距离可以有不同的具体定义几何距离:欧式距离、绝对值距离统计距离:马氏距离图像分类方法按人

4、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监督分类的思想判决函数: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,称之为判别规则判决

5、函数和判决规则监督法分类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监督法分类主要步骤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训练样区的选

6、择选择训练区训练区与特征空间的联系水新城区老城区耕地植被选择样本区域建立类别的判别函数水老城区新城区植被红255绿255••••耕地0•蓝255将样本数据在特征空间进行聚类主要的监督分类方法距离判别函数和距离判别规则最小距离分类法最近邻分类算法平行六面体分类法概率判别函数和贝叶斯判别规则最大似然分类法最小距离分类法最近邻法基本思想是设法计算未知矢量X到有关类别集群之间的距离,哪类距离它最近,该未知矢量就属于那类距离判决函数偏重于集群分布的几何位置距离判别规则是按最小距离判别的原则最小距离分类法平行六面体分类法以一个包括该集群的“盒

7、子”作为该集群的判别函数判决规则为若未知矢量X落入该“盒子”,则X分为此类,否则再与其它盒子比较这种分类法在盒子重叠区域有错分现象,错分与比较盒子的先后次序有关平行六面体分类法基本思想最大似然分类法最大似然分类法地物类数据在特征空间中构成特定的点群每一类的每一维数据都在自己的数轴上为正态分布,该类的多维数据就构成了一个多维正态分布各类的多维正态分布模型各有其分布特征利用各类的已知数据(训练区),求出均值、方差及协方差等特征参数,从而求出总体的概率密度函数在此基础上,对于任何一个像元,通过求出每个像素对于各类别的归属概率(对于待分像

8、元x,从属于分类类别k的概率),把该像素分到归属概率最大的类别中去最大似然分类法利用概率判别函数与贝叶斯判别规则进行分类优点:考虑特征空间中类别的形状、大小和定位缺点:计算量大,计算时间长假定地物光谱特征呈正态分布根据应用目的和区域,有选择的决定分

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。