第8章遥感图像的计算机解译 ●§8.1遥感图像的计算机分类 ●§8.2遥感图像空间信息的计算机提取 ●§8.3遥感图像解译专家系统 ●§84计算机解译的主要技术发展趋势
第8章 遥感图像的计算机解译 遥感图像的计算机解译 z §8.1 遥感图像的计算机分类 z §8. 2 遥感图像空间信息的计算机提取 z §8. 3 遥感图像解译专家系统 z §8.4 计算机解译的主要技术发展趋势
●811分类的原理和步骤 ●812非监督分类 ●81.3监督分类 ●814图像分类的有关问题
z 8.1.1 分类的原理和步骤 z 8.1.2 非监督分类 z 8.1.3 监督分类 z 8.1.4 图像分类的有关问题
分类原理 在应用遥感技术解决实际问题时常常需要根 据地物的特征进行归类,有时还要制成专题图并 量算面积,例如土地利用调查、士壤调查等等, 这一工作称为分类。 目视判读分类所依据的是影像的色调和几何 特征等解译标志,而计算机分类的对象是数字图 像地物的所有特征都是通过数字化的灰度值反 映出来的因此,计算机分类是建立在对图像像 元灰度值的统计、运算、对比和归纳基础上进 行的。 遥感图像计算机分类是基于数字图像中所 反映的同类地物的光谱相似性和异类地物的光 谱差异性进行的
分类原理 : 在应用遥感技术解决实际问题时常常需要根 据地物的特征进行归类 ,有时还要制成专题图并 量算面积 ,例如土地利用调查、士壤调查等等 , 这一工作称为分类。 目视判读分类所依据的是影像的色调和几何 特征等解译标志 ,而计算机分类的对象是数字图 像 ,地物的所有特征都是通过数字化的灰度值反 映出来的 ,因此, 计算机分类是建立在对图像像 元灰度值的统计、运算、对比和归纳基础上进 行的。 遥感图像计算机分类是基于数字图像中所 反映的同类地物的光谱相似性和异类地物的光 谱差异性进行的
分类步骤 ()分类预处理 )特征选择 三)分类 (四)分类后处理 五)专题图制作
分类步骤: (一)分类预处理 (二) 特征选择 (三) 分类 (四) 分类后处理 (五) 专题图制作
821非监督分类 1、非监督分类的概念: 非监督分类的前提是假定遥感影像上的同 类物体在同样条件下具有相同的光谱信息特征。 非监督分类方法不必对影像地物获取先验知识, 仅依靠影像上不同类地物光谱信息(或纹理信息) 进行特征提取,再统计特征的差别来达到分类的 目的,最后对巳分出的各个类别的实际属性进行 确认
8.2.1非监督分类 1、非监督分类的概念： 、非监督分类的概念： 非监督分类的前提是假定遥感影像上 非监督分类的前提是假定遥感影像上 的 同 类物体在同样条件下具有相同的光谱信息特征。 类物体在同样条件下具有相同的光谱信息特征。 非监督分类方法不必对影像地物获取先验知识 非监督分类方法不必对影像地物获取先验知识 , 仅依靠影像上不同类地物光谱信息 仅依靠影像上不同类地物光谱信息 (或纹理信息 ) 进行特征提取 ,再统计特征的差别来达到分 再统计特征的差别来达到分 类 的 目的 ,最后对巳分出的各个类别的实际属性进行 最后对巳分出的各个类别的实际属性进行 确认
2、非监督分类方法: 主要采用聚类分析方法,聚类是把 组像素按照相似性归成若干类别,即“物以 类聚”。它的目的是使得属于同一类别的 像素之间的距离尽可能的小而不同类别 上的像素间的距离尽可能的大。其常用 方法如下: (1)分级集群法( Hierarchical clustering) (2)动态聚类法 ISODATA方法在动态聚类法中具有代 表性
2、非监督分类方法： 主要采用聚类分析方法 ,聚类是把一 组像素按照相似性归成若干类别 , 即 “物以 类聚 ”。它的目的是使得属于同一类别的 像素之间的距离尽可能的小而不同类别 上的像素间的距离尽可能的大。其常用 方法如下 : (1) 分级集群法 (Hierarchical Clustering) (2) 动态聚类法 ISODATA方法在动态聚类法中具有代 表性
8.2.3监督分类 1、监督分类的概念: 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、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。 监督分类包括利用训练区样本建立判别函数的“学习过程和 把待分像元代入判别函数进行判别的过程。 ●监督分类对训练场地的选取具有一定要求: 训练场地所包含的样本在种类上要与待分区域的类别 致。训练样本应在各类目标地物面积较大的中心选取 这样才有代表性。如果采用最大似然法分类要求各变量 正态分布,因此训练样本应尽量满足这一要求
8.2.3 监督分类 1、监督分类的概念： 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、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。 监督分类包括利用训练区样本建立判别函数的“学习”过程和 把待分像元代入判别函数进行判别的过程。 ●监督分类对训练场地的选取具有一定要求: 训练场地所包含的样本在种类上要与待分区域的类别 一致。训练样本应在各类目标地物面积较大的中心选取, 这样才有代表性。如果采用最大似然法,分类要求各变量 正态分布, 因此训练样本应尽量满足这一要求
监督分类中常用的具体分类方法 (1)最小距离分类法 2)多级切割分类法 3)特征曲线窗口法 (4)最大似然比分类法
2、监督分类中常用的具体分类方法: (1) 最小距离分类法 (2) 多级切割分类法 (3) 特征曲线窗口法 (4) 最大似然比分类法
3.监督分类和非监督分类方法比较 ◆监督分类和非监督分类的根本区别点在于是否利用 训练场地来获取先验的类别知识,监督分类根据训 练场提供的样本选择特征参数,建立判别函数,对 待分类点进行分类。因此,训练场地选择是监督分 类的关键。由于训练场地要求有代表性,训练样本 的选择要考虑到地物光谱特征,样本数目要能满足 分类的要求,有时这些还不易做到,这是监督分类 不足之处。 相比之下,非监督分类不需要更多的先验知识 它根据地物的光谱统计特性进行分类。因此,非 监督分类方法简单,且分类具有一定的精度
3. 监督分类和非监督分类方法比较 监督分类和非监督分类方法比较 ◆监督分类和非监督分类的根本区别点在于是否利用 训练场地来获取先验的类别知识 , 监督分类根据训 练场提供的样本选择特征参数 , 建立判别函数 , 对 待分类点进行分类。因此 , 训练场地选择是监督分 类的关键。由于训练场地要求有代表性 , 训练样本 的选择要考虑到地物光谱特征 , 样本数目要能满足 分类的要求 , 有时这些还不易做到 , 这是监督分类 不足之处。 ◆ 相比之下 , 非监督分类不需要更多的先验知识 , 它根据地物的光谱统计特性 进行分类。因此 , 非 监督分类方法简单 , 且分类具有一定的精度
814图像分类的有关问题 1)未充分利用遥感图像提供的多种信息 2)提高遥感图像分类精度受到限制 ◆大气状况的影响 ◆下垫面的影响 ◆其他因素的影响
8.1.4 图像分类的有关问题 图像分类的有关问题 1）未充分利用遥感图像提供的多种信息 2）提高遥感图像分类精度受到限制 ◆大气状况的影响 ◆下垫面的影响 ◆其他因素的影响
