《遥感原理》第6章遥感图像的分类处理.pptx

第6章遥感图像的分类处理;第六章遥感图像的分类处理;所谓遥感图像分类是把图像中的每个像元或区域划归为若干类别的过程，即通过对各类地物的光谱特征分析来选择特征参数，将特征空间划分为互不重叠的子空间，然后将影像内各个像元划分到各个子空间中去，从而实现分类。;遥感图像分类的方法主要有两种：一是目视解译，即凭着光谱规律、地学规律和解译者的经验从影像的亮度、色调、位置、时间、纹理、结构等各种特征推出地面的景物类型；另一种就是计算机自动分类，就是对遥感影像上的信息进行属性的识别和分类，从而达到识别图像信息所对应的实际地物，提取所需的地物信息的目的。

一般来讲，目视解译精度高，正确率好，但效率低。其原因在于目视解译可将人的经验、常识、知识加上去，这些经验等往往是难以用数学模型表达的。但目视解译因效率太低，在大多数场合上只能作为辅助性的一种方法，计算机分类目前已占据主要地位，但是任何时候目视解译还是不可完全替代的。;2.光谱特征：;2.光谱特征;遥感图像的光谱特征通常是以地物在多光谱图像上的亮度值（反射率值或亮度温度值或后向散射系数…）体现出来。

地物点在不同波段图像中的亮度值构成一个多维的向量X，称为光谱特征向量。

X=[x1,x2,…,xn]T

n为图像的波段数；xi为地物图像点（某一像元）在第i波段图像的亮度值。

为了度量图像中地物的光谱特征，建立一个以各波段图像的亮度分布为子空间的多维特征空间。;地物与光谱特征空间的关系;4.特征变换

特征变换的作用：

使得待分类别之间的差异在变换后的特征中更加明显，从而改善分类效果。

减少特征之间的相关性，使得用尽可能少的特征来最大限度的包含所有原始的信息。

特征变换主要方法有：比值变换、主成分变换、缨帽变换等。;5.特征选择

在特征空间中，选择一组最佳的特征波段进行分类。

特征选择与所希望区分的类别以及图像本身的特征有关。如提取植被，选植被指数，缨帽变换的第二分量等；山地植被提取，选用比值变换后的影像，可以消除地形对图像的影响；针对岩石、建构筑物，选用短波红外波??（TM5或TM7）。;6.判别函数

遥感图像分类就是对要识别的对象的类属进行判别。需要一定的判别规则。

每个像元的分类问题，就是在特征空间内，利用一定的判别函数，判定它距离哪个集群中心较近；或落入哪个集群范围的可能性大的问题。;距离判别函数;距离判别函数;4.马氏距离(Mahalanobis);要判决某像元向量X属于哪一类别，判别函数要由条件概率来决定，ωi代表第i类别，共有m类，P表示X出现的条件下，X为类ωi的概率。;（1）影像空间：在影像中各像素与地面景观中相应范围内的地物相联系，像素之间的几何关系反映了现实地物之间的空间关系，人们可以对影像进行很直观的判读解译。

不足之处：人眼视觉系统只能感知单波段灰度影像或者三个波段组合成的（假）彩色影像，因此不能充分地反映光谱遥感数据的全部信息。;（2）波谱空间：可以理解为一个二维坐标空间，其中横坐标代表不同的波段，纵坐标为辐射强度，影像中每个像素在波谱空间中表现为一条曲线。不同的物质在各波段有不同的电磁波反射和吸收特性，在遥感数据中表现为不同的辐射强度。;（3）特征空间：如果把不同地物在两个波段的辐射强度绘制在二维平面上，可以得到一个二维空间。每个像素对影两个波段的辐射值，在该二维空间中可以表示为一个点，即二维向量。这种理解方式显然不够直观，人们很难想象高维空间中数据的分布方式，但是在数学处理中，这种表达方式却非常便于处理，而且可以充分利用每个像素在所有波谱的信息。更进一步的研究，有相当一部分模式识别方法（如支持向量机、神经网络）并不是直接在上述特征空间中分类，而是将数据映射到另外一个特征空间进行类别判定。;6.2遥感图像的目视解译;?图像预判和编制专题图略图：

遥感图像的初步解译主要是经过资料分析建立直接和间接解译标志，包括形态、大小、色调、阴影、纹理等。然后在分类系统的指导下设计分类系统，进行初步解译，并把解译结果转绘成专题图略图。

?野外实况调查和地学验证：

根据初步解译结果，确定野外调查路线和调查样本，进行野外调查，验证判读标志，并应用地学分析方法解决图像与地物间的机理关系，从而修正预判中的错判或漏判，使得解译结果更加客观可靠。

?室内解译编绘成图：

根据预判结果和野外调查资料，对全部工作区进行重新解译，然后清绘成图，在此基础上进行面积量测以及其他数字统计特征分析。;概念：遥感影像上那些能够作为分析、判断景观地物的影像特征为判读标志或解译标志。

直接解译标志：色调、阴影、形状、大小、纹理、位置、布局、图案