遥感图像目视分类教案.ppt

* 遥感图像计算机解译：又称遥感图像理解（Remote Sensing Imagery Understanding），它以计算机系统为支撑环境，利用模式识别技术与人工智能技术相结合，根据遥感图像中目标地物的各种影像特征（颜色、形状、纹理与空间位置），结合专家知识库中目标地物的解译经验和成像规律等知识进行分析和推理，实现对遥感图像的理解，完成对遥感图像的解译。 (或:以遥感数字图像为研究对象，在计算机系统支持下，综合运用地学分析、遥感图像处理、地理信息系统、模式识别与人工智能技术，实现地学专题信息的智能化获取。其基本目标是将人工目视解译遥感图像发展为计算机支持下的遥感图像理解). * 遥感图像的计算机分类方法:主要包括统计模式方法和句法模式两大类。其中，常见的分类方法一般为统计模式识别的方法 监督分类法: 首先需要从研究区域选取有代表性的训练区作为样本,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.最后,再依据样本类别的特征来识别其它像元的归属类别.监督分类法包括最小距离分类法、多级切割分类法、特征曲线窗口法、最大似然比分类法等. * B.非监督分类法: 在没有先验类别(训练区)作为样本的条件下,即事先不知道类别特征的情况下,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，最后对已分出的各个类别的实际属性进行确认的方法. 非监督分类主要采用聚类分析方法,即把一组像素按照相似性归成若干类别(“物以类聚”),其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.其常用算法有多级集群法、动态聚类法(ISODATA法等). * B.非监督分类法: 在没有先验类别(训练区)作为样本的条件下,即事先不知道类别特征的情况下,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，最后对已分出的各个类别的实际属性进行确认的方法. 非监督分类主要采用聚类分析方法,即把一组像素按照相似性归成若干类别(“物以类聚”),其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.其常用算法有多级集群法、动态聚类法(ISODATA法等). * ?遥感图像的计算机分类是统计模式识别技术在遥感领域中的具 体应用,而统计模式识别的关键是提取待识别模式的一组统计 特征值,然后按照一定准则作出判别,从而对数字图像予以识别。 ●特征选择：从众多特征中挑选出可以参加分类运算的若干特征.例如对于7个波段的TM多光谱图像的波段选择：由于第六波段图像记录的是地面目标的热辐射信息，而其他6个波段记录的是地面目标的反射光谱信息，因此，在TM图像分类时通常只采用除第6波段以外的其它波段图像。 ●特征提取：在特征选择以后，利用特征提取算法（如主成分分析法）从原始特征中求出最能反映其类别特征的一组新特征。 * * * ④基本分类过程（统计模式方法） A.原始图像的选择： 首先,明确遥感图像分类的目的及其需要解决的问题;在此基础上 根据应用目的选取特定区域的遥感数字图像(图像选取时应考虑 图像的空间分辨率、光谱分辨率、成像时间、图像质量等). B.原始图像的预处理：根据研究区域,收集与分析地面参考信息 及有关数据;为提高计算机分类的精度,须对数字图像进行辐射校 正和几何纠正. * ④基本分类过程（统计模式方法） C.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, 然后根据分类要求和图像数据的特征,选择合适的图像分类方 法和算法. D.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(也可通过监督分类方法,从训练数据中提取图像数据特 征,在分类过程中确定分类类别). * 监督分类法包括最小距离分类法、多级切割分类法、特征曲线窗口法、最大似然比分类法等. E.找出代表这些类别的统计特征.通常,为了测定总体特征,在监 督分类中可选择具有代表性的训练区域进行采样;在非监督分 类中,可用聚类等方法对特征相似的像素进行归类,测定其特征. * F.结果检验:主要是对分类的精度和可靠性进行评价.由于受解译经验以及混合像元、“同物异谱、异物同谱”等现象的存在，错分或误分的情况普遍存在。因此，不存在理想的分类其，图像分类后必须进行检验。在监督分类中把已知的训练数据及分类类别与 分类结果进行比较,确认分类的精度及可靠性;在非监督分类 中,采用随机抽样方法,分类效果的好坏需经实际检验或利用 分类区域的调查材料、专题图进行核查。 ? 图像分类的基本原理和方法 ?综