最新遥感图像计算机解译教学讲义PPT.ppt

《最新遥感图像计算机解译教学讲义PPT.ppt》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、遥感图像计算机解译遥感影像分类分类：将图像中的像元归并为不同的类型，例如，分为不同土地覆盖类型。分类原理：依据被分类地物的光谱特征，进行特征选择，建立分类识别模式，进行分类。——遥感图像地物的光谱特征，即数字图像中同类地物的光谱相似性和异类地物的光谱差异性进行分类。遥感图像计算机分类依据光谱特征向量：同名地物点在不同波段图像中亮度的观测量将构成一个多维的随机向量（X）。X=[x1,x2……xn]n为图像波段总数；xi地物点在第i波段的亮度值。地物与光谱特征空间的关系地类集群1、最小距离分类法——基于距离判决函数和判决规则原理进行分类的方

2、法。基本思想：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。判决规则：若di（X）

3、xj-mij

4、dMi=2Step2–foreachunclassifiedpixel,calculatethedistancetoaverageforeachtrainingarea2、最大似然分类法（MaximumLikelihood地物点可以在特征空间找到相应的特征点，并且同

5、类地物在特征空间中形成一个从属于某种概率分布的集群。由此，我们可以把某特征矢量（X）落入某类集群的条件概率当成分类判决函数（概率判决函数），把X落入某集群的条件概率最大的类为X的类别，这种判决规则就是贝叶斯判决规则。——根据概率判决函数和贝叶斯判决规则进行分类的方法。概率判决函数：贝叶斯判决规则：根据贝叶斯判决规则：若Pi（X）>Pj（X）,则X属于wi类。Pi（X）=P（X/wi）P（wi）3、多级切割分类法又称为平行算法或（盒式决策规则）通过设定在各轴上的一系列分割点，将多维特征空间划分成分别对应不同分类类别的互不重叠的特征子空间的

6、分类方法。对于一个未知类别的像素来说，它的分类取决于它落入哪个类别特征字空间中。监督分类基本过程（1）确定感兴趣的类别数。（2）特征变换和特征选择（3）选择训练样区（4）选择监督分类方法（判决函数和判决规则)（5）根据判决函数和判决规则对非训练样区的图像区域进行分类。特征变换与特征选择特征变换减少特征之间的相关性使得待分类别之间的差异在变换后的特征中更明显。——将原始图像通过一定的数字变换生成一组新的特征图像，这一组新图像信息集中在少数几个特征图像上。特征变换的作用：主成分变换（K—L变换）主成分变换：是一种除去波段之间的多余信息，将多

7、波段的图像信息压缩到比原波段更有效的少数几个转换波段的方法。在遥感图像分类中，常常利用主成分变换来消除特征向量中各特征之间的相关性，并进行特征选择。x22、K-T变换这种变换既可以实现信息压缩，又可以帮助解译分析农业特征，因此这种变换着眼点在于农作物生长过程而区别于其他植被覆盖。3、比值变换和生物量指标变换比值变换图像可以增强土壤，植被，水之间的辐射差别，压抑地形坡度和方向引起的辐射量变化，在分类中具有较为明显的优点，而且计算相对较简单。另一种特殊的比值变换是生物量指标变换即归一化植被指数：NDVI=（TM4-TM3）/（TM4+TM3

8、）特征选择——从原有的n个特征值集合中，按某一准则选择出k个特征（k

9、小距离方法）将各个像元划归各个类别，形成初始分类。然后由聚类准则判断初始分类是否合理，如果不合理就修改分类，如此反复迭代运算，直到合理为止。1、K-均值聚类法K—均值算法的聚类准则是使每一聚类中，多模式点到该类别的中心的距离的平方和最小。其基本思想是：通过迭代，逐次移动各类的中心，直至得到最好的聚类结果为止。2、动态聚类法动态聚类算法也称为迭代自组织数据分析算法。在k-均值算法的基础上，设定控制参数，对聚类结果进行“合并”和“分裂”。（1）“合并”操作：当聚类结果某一类中样本数太少，或两个类间的距离太近时，进行合并。（2）“分裂”操作：

10、当聚类结果某一类中样本某个特征如类内方差太大，将该类进行分裂。设定控制参数：k：预期的类数；Nk：初始聚类中心个数；TN：每一类中允许的最少样本数目（若少于此数，就不能单独成为一类）；TE：类内各特征分量分