遥感概论7-2.pptVIP

第四章 遥感图像数字处理 第五节 遥感数字图像的分类处理 第五节 遥感数字图像的分类处理 遥感分类的含义 遥感分类体系 遥感分类方法 一、遥感分类的含义 利用遥感图像进行分类(classification),是以区分图像中所含的多个目标地物为目的,对每个像元或比较匀质的像元组给出对应其特征的名称. 称为分类类别(class). 土地利用变化 二、遥感分类的体系 地面覆盖与土地利用分类 地面覆盖指地面的地物,如水体,农作物,林地,湿地以及建筑用地等.. 地面覆盖与土地利用的研究是研究人居环境可持续发展的重要数据.地表覆盖与土地利用变化对全球环境变迁的重要表现.（LUCC) 分类系统具有:互斥性、完备性、层次性 二、遥感分类的体系 国内外的不同机构根据本领域的特点制定了不同分类系统 国家土地利用详查分类系统 中国资源环境宏观调查遥感分类系统 遥感环境分类系统 美国规划协会的土地分类系统 美国地质调查局(USGS)的土地利用/地面覆盖遥感分类系统 美国国家植被分类系统 MODIS的地面覆盖分类系统 国土资源部2001年土地利用分类系统 适用于遥感资料的土地覆盖分类系统（美国的土地覆盖分类系统） 针对NOAA的分类系统 生态环境资源调查-针对TM数据 耕地，包括水田，旱地 林地，包括林地，灌木，疏林地，其他林地 草地，包括高盖度草地，中盖度草地，低盖度草地 水域，包括河渠，湖泊，水库，坑塘，冰川，永久积雪地，滩地 城乡，工矿，居民用地，包括城镇用地，农村用地，工交建设用地 未利用土地，包括沙地，戈壁，盐碱地，沼泽，裸土地，裸岩石砾石地，其他地 三、分类方法 (1)传统分类方法: -以地物光谱的特征为依据,利用统计模式分类,对图像进行分类和模式识别.包括： -监督分类方法:先选出有代表性的区域建立训练区AOI作为样本.在训练区建立特征参数(像元灰度值,均值,方差,协方差矩阵)建立判别函数,据此判别函数,对整个图像的每个像元判断其归属类别 -非监督分类: 在事先不知道训练区样本的特征条件下, 根 据像元间相似度进行归类合并(将相似度大的像元归为一类) 分类方法实施步骤 1.明确分类的目的和需要解决的问题. 2.根据研究区域收集与分析地面参考信息与有关数据。对图像分类方法进行比较研究,掌握各种分类方法的优缺点,根据分类要求与图像特征,选择合适的算法. 3.根据应用目的及图像数据的特征制定分类系统,确定分类类别. 4. 计算类别的统计特征 5.确定类别的训练区,在类别训练地进行采样,测定其特征 6.对遥感图像各像素进行分类. 7.分类数据整理,合并. 8.分类文件精度检查.对已知地区的实际数据与分类结果比较,确定分类精度. 9.对分类结果统计与检验. 一、监督分类 监督分类:建立训练区, 利用已知训练区(training area) 样本建立判别函数的”学习”过程,然后根据判别函数对整个图像进行分类. 训练区:用于建立判别函数的已知类别区域.在各类地物具有代表性的区域选择. 判别函数:由统计特征建立的判别式, 统计参数包括均值,方差等,不同的算法有不同的判别函数. 训练区的选择 监督分类的计算方法 常用的方法有：最小距离法、马赫拉诺距离法、最大似然法等 最小距离法 (1) 通过训练样区计算分类特征参数(define signatures) (2) 评价分类特征参数( evaluate signatures) (3) 执行监督分类(perform supervised classification) (4) 评价分类结果(evaluate classification) (5) 分类后处理(Post –classification) 二、非监督分类 非监督分类是以不同地物在特征空间中类别特征差异为依据的一种无先验知识的图像分类。 非监督分类选择训练样本时，并不知道它属于哪一类地物，只是根据聚类算法自动地将光谱特征相近的象元归为一类。 非监督分类的流程 非监督分类又称边学习边分类法，通过学习，自动将特征相近的象元归为一类，然后将该类与其它类区分开。其操作流程如下： 监督分类和非监督分类的比较 课堂小结 遥感分类的目的？ 遥感分类的方法？ 遥感分类的一般实施步骤？ 监督分类和非监督分类的优缺点？ * * 分类是对遥感图像进行分析的一种形式,是对遥感数据进行信息提取的过程,是将遥感数据转换成信息的过程. TM4，3，2 土地覆盖分类 遥感图像上不同水质的表现 国家土地利用详查分类系统 (2) 其他分类方法 ??专家分类法:利用专家各种先验知识,建立假设和规则,并建立类型,进行判断图像像元归属类型. ??模糊分类:处理遥感图像中模糊不清的类别,用类别的归属度来区分地物的类型,定性的判别地物类型. ??人工神经网络(Ar