第9章遥感图像分类PPT课件
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3
☺ 遥感图象计算机分类特点
利用计算机对遥感数字图像进行分类难度很大。
✓ 遥感图像是从遥远的高空成像的，成像过程要受传 感器、大气条件、太阳位置等多种因素的影响。影 像中所提供的目标地物信息不仅不完全，而且或多 或少地带有噪声，因此人们需要从不完全的信息中 尽可能精确地提取出地表场景中感兴趣的目标物。
14
相似性度量
遥感图像计算机分类的依据是遥感图像 像素的相似度。在遥感图像分类过程中， 常使用距离和相关系数来衡量相似度。
距离:特征空间中象元数据和分类类别特 征的相似程度。距离最小即相似程度最大。
度量特征空间中的距离经常采用以下几 种算法:
15
1.绝对值距离(等权、等混合 距离)
n
di(xk) xkjMij j1
31
☺ 非监督分类方法。 是在没有先验类别（训练区）作为样本的 条件下，即事先不知道类别特征，主要根 据像元间相似度的大小进行归类合并（将 相似度大的像元归为一类）的方法。
d k 2 (x k )T k 1 (x k )
协方差矩阵
18
☺ 马氏距离公式
d i( x k ) ( x k M i) T ( i) 1 ( x k M i)
xk(xk1,xk2,,xkn)T
M i(M i1,M i2,,M in )T
i集群的协方差矩阵
11 12 1n
i
21
像元k在j波段的值 类别i的在j波段均值
16
2. 欧氏距离
像元数据矢量 类别k的平均值矢量
n
2
di (xk) (xkjMij)
j1
距 离 分 类 原 理 图
17
3.马氏距离（Mahalanobis）：总体分布除了轴 向上离散度不同以外，在各轴之间往往还存在 相关性。在考虑离散度的同时，也考虑到各轴 间的总体分布的相关（协方差）来进行校正的 距离叫马氏距离。是一种加权的欧式距离。
9
光谱特征向量
X[x1,x2,,xn]T
10
地物与光谱特征空间的关系
11
遥感图像分类算法的核心是确定判别函数 fAB(x)和相应的判别准则。
12
☺ 判别函数
模式识别系统最主要的功能是对要识别 的对象的类别进行判别。需要确定一定 的判别规则,即判别函数和相关的比较运 算关系.
13
分类方法
☺ 监督分类：事先已知类别的部分信息 ☺ 非监督分类：事先没有类别的先验信息 ☺ 硬分类：一个像素分为一类 ☺ 软分类：一个像素分为多个类---混合像素
24
☺ 可分性 ☺ 可靠性 ☺ 独立性 ☺ 数量少
特征选取
☺ 波段选择、特征变换
25
☺ 非监督分类 ☺ 监督分类
分类
26
☺ 分类方法
利用遥感图像进行分类（classification）是以区别 图像中所含的多个目标物为目的的，对每个像元或 比较匀质的像元组给出对应其特征的名称。在分类 中注重的是各像元的灰度、纹理等特征。 分类方法包括监督分类和非监督分类。 ☺ 监督分类方法。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，依据样 本类别的特征来识别其它像元的归属类别。主要方 法有最小距离分类法、多级切割分类法、特征曲线 窗口法、最大似然比分类法等
第9章 遥感图像分类
1
整体 概述
一 请在这里输入您的主要叙述内容
二
请在这里输入您的主要 叙述内容
三 请在这里输入您的主要叙述内容
2
☺ 遥感图象计算机分类
遥感图像计算机分类以遥感数字图像为 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。
27
☺ 非监督分类方法。 是在没有先验类别（训练区）作为样本的 条件下，即事先不知道类别特征，主要根 据像元间相似度的大小进行归类合并（将 相似度大的像元归为一类）的方法。
28Hale Waihona Puke Baidu
分类后处理
☺ 处理零星的异类
29
结果检验
☺ 对分类精度进行可靠性检验、评定
30
结果输出
☺ 设置投影、比例尺、图例等制作成专题图
(xkj xj )2
k1
k1
均值
像元i的第k个分量
21
☺ 工作流程
原始图像的预处理 选择分类方法
特征选择特征提取 分类
分类后处理--检验结果 成果输出
22
23
图像预处理
☺ 确定工作范围：剪裁图像---矩形子图像， 图像掩膜---多边形内的图像。
☺ 多源图像的几何配准 ☺ 噪声处理 ☺ 辐射校正 ☺ 几何精纠正 ☺ 多图像融合
5
基本原理
同类地物在相同条件下（光照、 地形等）应该具有相同或相似的光 谱信息和空间特征信息。不同类地 物之间具有差异。根据这种差异， 将图像中的所有像素按其性质分为 若干个类别（class）的过程，称 为图像的分类.
6
7
☺光谱特征
空间特征
8
☺ 遥感图象光谱特征
不同地物在同一波段上的亮度互不相同； 不同地物在不同波段上的亮度规律不同； 同物异谱； 异物同谱；
22
2n
n1 n2 nn
19
欧氏距离的加权，通过协方差矩阵来 考虑变量之间的相关性的。
20
☺ 相关系数
是指像素间的关联程度。采用相关系数衡量相 似度时，相关系数越大，相似度越大。两个像 素之间的相关系数rij可以定义为：
rij
n
(xki xi )(xkj xj )
k1
n
n
(xki xi )2
✓ 遥感影像信息量丰富，与一般的图像相比，其包容 的内容远比普通的图像多，因而内容非常“拥挤”。 不同地物间信息的相互影响与干扰使得要提取出感 兴趣的目标变得非常困难。
✓ 遥感图像的地域性、季节性和不同成像方式更增加 了计算机对遥感数字图像进行解译的难度。
4
由于利用遥感图像可以客观、真实和快速 地获取地球表层信息，这些现势性很强的 遥感数据在自然资源调查与评价、环境监 测、自然灾害评估与军事侦察上具有广泛 应用前景。因此，利用计算机进行遥感图 像智能化解译，快速获取地表不同专题信 息，并利用这些专题信息迅速地更新地理 数据库，这是实现遥感图像自动理解的基 础研究之一，也是地理信息系统中数据采 集自动化研究的一个方向，因此具有重要 的理论意义和应用前景。
☺ 遥感图象计算机分类特点
利用计算机对遥感数字图像进行分类难度很大。
✓ 遥感图像是从遥远的高空成像的，成像过程要受传 感器、大气条件、太阳位置等多种因素的影响。影 像中所提供的目标地物信息不仅不完全，而且或多 或少地带有噪声，因此人们需要从不完全的信息中 尽可能精确地提取出地表场景中感兴趣的目标物。
14
相似性度量
遥感图像计算机分类的依据是遥感图像 像素的相似度。在遥感图像分类过程中， 常使用距离和相关系数来衡量相似度。
距离:特征空间中象元数据和分类类别特 征的相似程度。距离最小即相似程度最大。
度量特征空间中的距离经常采用以下几 种算法:
15
1.绝对值距离(等权、等混合 距离)
n
di(xk) xkjMij j1
31
☺ 非监督分类方法。 是在没有先验类别（训练区）作为样本的 条件下，即事先不知道类别特征，主要根 据像元间相似度的大小进行归类合并（将 相似度大的像元归为一类）的方法。
d k 2 (x k )T k 1 (x k )
协方差矩阵
18
☺ 马氏距离公式
d i( x k ) ( x k M i) T ( i) 1 ( x k M i)
xk(xk1,xk2,,xkn)T
M i(M i1,M i2,,M in )T
i集群的协方差矩阵
11 12 1n
i
21
像元k在j波段的值 类别i的在j波段均值
16
2. 欧氏距离
像元数据矢量 类别k的平均值矢量
n
2
di (xk) (xkjMij)
j1
距 离 分 类 原 理 图
17
3.马氏距离（Mahalanobis）：总体分布除了轴 向上离散度不同以外，在各轴之间往往还存在 相关性。在考虑离散度的同时，也考虑到各轴 间的总体分布的相关（协方差）来进行校正的 距离叫马氏距离。是一种加权的欧式距离。
9
光谱特征向量
X[x1,x2,,xn]T
10
地物与光谱特征空间的关系
11
遥感图像分类算法的核心是确定判别函数 fAB(x)和相应的判别准则。
12
☺ 判别函数
模式识别系统最主要的功能是对要识别 的对象的类别进行判别。需要确定一定 的判别规则,即判别函数和相关的比较运 算关系.
13
分类方法
☺ 监督分类：事先已知类别的部分信息 ☺ 非监督分类：事先没有类别的先验信息 ☺ 硬分类：一个像素分为一类 ☺ 软分类：一个像素分为多个类---混合像素
24
☺ 可分性 ☺ 可靠性 ☺ 独立性 ☺ 数量少
特征选取
☺ 波段选择、特征变换
25
☺ 非监督分类 ☺ 监督分类
分类
26
☺ 分类方法
利用遥感图像进行分类（classification）是以区别 图像中所含的多个目标物为目的的，对每个像元或 比较匀质的像元组给出对应其特征的名称。在分类 中注重的是各像元的灰度、纹理等特征。 分类方法包括监督分类和非监督分类。 ☺ 监督分类方法。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，依据样 本类别的特征来识别其它像元的归属类别。主要方 法有最小距离分类法、多级切割分类法、特征曲线 窗口法、最大似然比分类法等
第9章 遥感图像分类
1
整体 概述
一 请在这里输入您的主要叙述内容
二
请在这里输入您的主要 叙述内容
三 请在这里输入您的主要叙述内容
2
☺ 遥感图象计算机分类
遥感图像计算机分类以遥感数字图像为 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。
27
☺ 非监督分类方法。 是在没有先验类别（训练区）作为样本的 条件下，即事先不知道类别特征，主要根 据像元间相似度的大小进行归类合并（将 相似度大的像元归为一类）的方法。
28Hale Waihona Puke Baidu
分类后处理
☺ 处理零星的异类
29
结果检验
☺ 对分类精度进行可靠性检验、评定
30
结果输出
☺ 设置投影、比例尺、图例等制作成专题图
(xkj xj )2
k1
k1
均值
像元i的第k个分量
21
☺ 工作流程
原始图像的预处理 选择分类方法
特征选择特征提取 分类
分类后处理--检验结果 成果输出
22
23
图像预处理
☺ 确定工作范围：剪裁图像---矩形子图像， 图像掩膜---多边形内的图像。
☺ 多源图像的几何配准 ☺ 噪声处理 ☺ 辐射校正 ☺ 几何精纠正 ☺ 多图像融合
5
基本原理
同类地物在相同条件下（光照、 地形等）应该具有相同或相似的光 谱信息和空间特征信息。不同类地 物之间具有差异。根据这种差异， 将图像中的所有像素按其性质分为 若干个类别（class）的过程，称 为图像的分类.
6
7
☺光谱特征
空间特征
8
☺ 遥感图象光谱特征
不同地物在同一波段上的亮度互不相同； 不同地物在不同波段上的亮度规律不同； 同物异谱； 异物同谱；
22
2n
n1 n2 nn
19
欧氏距离的加权，通过协方差矩阵来 考虑变量之间的相关性的。
20
☺ 相关系数
是指像素间的关联程度。采用相关系数衡量相 似度时，相关系数越大，相似度越大。两个像 素之间的相关系数rij可以定义为：
rij
n
(xki xi )(xkj xj )
k1
n
n
(xki xi )2
✓ 遥感影像信息量丰富，与一般的图像相比，其包容 的内容远比普通的图像多，因而内容非常“拥挤”。 不同地物间信息的相互影响与干扰使得要提取出感 兴趣的目标变得非常困难。
✓ 遥感图像的地域性、季节性和不同成像方式更增加 了计算机对遥感数字图像进行解译的难度。
4
由于利用遥感图像可以客观、真实和快速 地获取地球表层信息，这些现势性很强的 遥感数据在自然资源调查与评价、环境监 测、自然灾害评估与军事侦察上具有广泛 应用前景。因此，利用计算机进行遥感图 像智能化解译，快速获取地表不同专题信 息，并利用这些专题信息迅速地更新地理 数据库，这是实现遥感图像自动理解的基 础研究之一，也是地理信息系统中数据采 集自动化研究的一个方向，因此具有重要 的理论意义和应用前景。