第五章遥感数据的信息提取与应用.ppt

第五章 遥感数据的信息提取与应用;§1 信息提取的原理和方法; 二、目视解译（目视判读） –凭借人眼观察或借助简单的仪器（放大镜、立体镜等），对遥感影像进行分析判断、量测，区别地物类别，勾绘地物分布边界，识别属性，从而获取所需要信息。 1、解译标志（判读标志） –地物本身的性质、形态等特征在像片上的反映，这些影像特征统称为解译标志。;目视判读的标志 ;第五章遥感数据的信息提取与应用;;;;;2、目视判读的方法 ;;;; 目视解译的特点： –直观、速度快 –运用人脑进行的定性分析 –常用于对评价影像增强处理效果、评价计算机解译效果、分析航空像片 –决定于影像质量和判读人员的专业水平、判读经验 –是一个需要反复分析、对比、推理和判断的过程;三.计算机解译; 1、监督分类 –选择具有代表性的典型实验区或训练区，用训练区中已知地面各类地物样本的光谱特性来“训练”计算机，获得识别各类地物的判别函数或模式，并以此对未知地区的像元进行分类处理，分别归入到已知的类别中。 –关键：选择样区、训练样本、建立判别函数（可以是一些列规则，可是某种数学函数）; 监督分类的步骤： –首先找出影像中各种类别具有代表性的像元集合，作为样本（训练样区）； –求出每种类别样本像元集的统计特征，然后选择特征参数（如样本像元的平均值、方差）； –根据特征参数建立判别函数； –根据判别函数对已知类别的样本像元进行分类，反复调整判别函数； –最后用判别函数对所有未知像元进行判断，划分像元的类别归属。 –样本像元的选取，通常需要人参与；对判别函数要用样本进行反复验证和训练，就像有人在监督一样。 ;; 常见监督分类的方法： –最小距离法 –线性判别分析 –模糊分析 –平行六边形法 –神经网络分类 –最大似然判别法;;;; 2、非监督分类 –不选取像元集作为训练区；即不知道任何类别具备什么特征，主要根据所有像元彼此之间的相似度大小进行归类合并（将相似度大的像元归为一类）的方法；然后再对每个类别的具体地理意义根据地面调查或者已知类型的数据比较后确定。 –特点： ??先??类，后定性；分类后再对各类别赋予属性 ??不需要训练样本，依据像素间的相似程度进行分类 ??分类标准：同类别的像素之间的距离尽可能的小，不同类别的像素的距离尽可能的大;;; 非监督分类步骤： –设定分类判定方法参数，分类数 –设定初始分类中心 –将各个像元归入设定的各类中 –计算各类的新中心值 –比较前后中心值是否一致：不一致，调整各类中心及域值；一致，分类图象输出 常见非监督分类方法： –聚类法 –动态聚类法 –波谱图形识别分类; 3、监督分类、非监督分类的区别： –是否选取样区 –类别的意义在分类前是否已知; 计算机解译流程： 1.明确分类目的，选择合适影像（工作波段、空间分辨率、成像时间、影像质量） 2.收集分析地面参考信息与有关信息 3.进行影像的：辐射纠正、几何纠正、影像增强 4.根据应用目的和数据特征，确定分类体系 5.确定适当的分类方法和算法。总体大类为：监督分类和非监督分类 6.监督分类中：选择各类别的样区，测定类别特征，确定判别函数；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 7.对所有像素进行分类 8.分类精度检验; 计算机解译的问题： –存在错分、漏分现象 –正确率一般只有60—70% –不同的研究区域，采用不同的方法，不同的参数 –如何选取好的训练区 –基于光谱信息的分类与基于纹理信息的分类 –存在混合像元问题 –数据自身的各种变形 –......;§2 航空遥感图像的信息提取;一、判读标志 航片判读：根据像片上反映的地物影像识别地物的性质和数量特征，并研究其分布和发生发展的规律。 判读的标志： 形状； 大小； 色调/颜色； 影阴； 组合图案/纹理结构。 ;第五章遥感数据的信息提取与应用;第五章遥感数据的信息提取与应用; 二、居民地和道路的判读 城市居民地的判读特点：房屋稠密，面积较大，建筑物排列整齐，能判读建筑物的形状、高度和周边环境。 农村居民地的判读特点：小而分散，有农田包围，能判读居民地的外形和面积及通向居民地的道路。 道路的判读特点：线状分布，色调较亮。 实习：居民地和道路的判读。;三、水体的判读 河流判读：界线明显、弯曲自然、宽窄不一的条带状。能判读流向、河宽、流速、桥梁、码头等附属物。 湖泊的判读：轮廓明显的形状、色调较暗。能判读其形状、面积。 海域的判读：能清晰地判读出海岸线、潮侵地带、高潮、低潮位置。; ;五、植被的判读 判读标志为：色调/色彩和纹理结构。 纹理结构：细小地物在影像上构成的组合图案。地物的性质不同，组合图案也不同，以此来判读地物群体的性