遥感技术基础课件第六章 遥感信息提取
合集下载
《遥感技术基础》课件
20世纪60年代
卫星遥感技术的出现，使得遥感技术 从单一的军事用途扩展到民用领域。
21世纪
随着高光谱、超光谱、雷达等新型传 感器的出现和应用，遥感技术进入了 一个新的发展阶段。
遥感技术的应用领域
资源调查
遥感技术用于土地、森林、水域等资源 的调查和监测，为政府决策提供科学依
据。
城市规划
遥感技术用于城市空间布局、交通规 划、城市更新等方面，提高城市规划
信息提取
从处理后的图像中提取有用的信息 ，如目标检测、分类等。
03
02
图像增强
通过对比度拉伸、滤波等手段增强 图像的视觉效果。
可视化表达
将提取的信息以图表、地图等形式 进行可视化表达。
04
遥感数据的解译与信息提取
解译方法
01
遥感图像解译的方法包括监督分类、非监督分类、面向对象分
类等。
信息提取
02
从遥感图像中提取有用的信息，如土地利用类型、植被覆盖度
详细描述
无人机遥感技术在应急救援、土地调查、农 业植保等领域具有广泛的应用前景，能够提
高遥感监测的时效性和精细化程度。
THANKS
THANK YOU FOR YOUR WATCHING
等。
应用领域
03
遥感技术在环境监测、城市规划、资源调查等领域有广泛应用
。
04
遥感技术的应用实例
土地利用变化监测
总结词
通过遥感技术，可以快速、准确地监测土地利用的变化情况，为土地规划和资源管理提供数据支持。
பைடு நூலகம்详细描述
遥感技术能够获取大范围、多时相的土地覆盖信息，通过对比不同时期的遥感影像，可以发现土地利 用的变化趋势和规律。这些数据对于土地规划、城市发展、环境保护等方面具有重要意义。
人教版遥感信息的获取和处理 PPT
运行轨道
本节主要内容：
一 开普勒定律 二 卫星轨道参数 三 卫星轨道类型 四 卫星姿态
10
第二节 卫星运行轨道
一、 开普勒定律 开普勒第一定律：所有行星轨道均为一椭圆，太阳位
于椭圆的二焦点之一上。 卫星轨道也为一椭圆（圆形轨道只是椭圆轨道的一个特 例）。这时位于椭圆两焦点之一的是地球。轨道离地最近 的点叫近地点，反之为远地点。
3．处理器：对收集的信号进行处理。如显影、 定影、信号放大、变换、校正和编码等。具体的 处理器类型有摄影处理装置和电子处理装置。
4．输出器：输出获取的数据。输出器类型有扫 描晒像仪、阴极射线管、电视显像管、磁 带记录 仪、XY彩色喷笔记录仪等等。
34
第三节 传感器及其工作原理
一 摄影类型传感器
方向与地球自转一致，则升交点西退，降交点东进； 若轨道面倾角大于90°，则反之。
17
第二节 卫星运行轨道
（5）近地点角距——升交点向径与轨道近地点 向径之间的夹角。
当＝0°时，升交点即为近地点的星下点； 当＝180°时，升交点即为远地点的星下点。 （6）卫星过近地点时间t 、、t、i决定了卫星轨道面与赤道面的相 对位置。
b为短半径
当e →0时，轨道近似圆形；当e →1时，轨道 呈长椭圆形（探空）。
14
第二节 卫星运行轨道
卫星的空间轨道
15
第二节 卫星运行轨道
（3）轨道面倾角 轨道面与赤道面两面的夹角为轨道面倾
角i。 当卫星绕地球自西向东方向移动时，轨
道面倾角在0°—90°之间，；反之在 90°—180°之间变动。当倾角为0°时， 卫星绕赤道运行；当倾角为90°时，轨道 面与赤道面垂直，即极轨卫星。
第二节 卫星运行轨道
本节主要内容：
一 开普勒定律 二 卫星轨道参数 三 卫星轨道类型 四 卫星姿态
10
第二节 卫星运行轨道
一、 开普勒定律 开普勒第一定律：所有行星轨道均为一椭圆，太阳位
于椭圆的二焦点之一上。 卫星轨道也为一椭圆（圆形轨道只是椭圆轨道的一个特 例）。这时位于椭圆两焦点之一的是地球。轨道离地最近 的点叫近地点，反之为远地点。
3．处理器：对收集的信号进行处理。如显影、 定影、信号放大、变换、校正和编码等。具体的 处理器类型有摄影处理装置和电子处理装置。
4．输出器：输出获取的数据。输出器类型有扫 描晒像仪、阴极射线管、电视显像管、磁 带记录 仪、XY彩色喷笔记录仪等等。
34
第三节 传感器及其工作原理
一 摄影类型传感器
方向与地球自转一致，则升交点西退，降交点东进； 若轨道面倾角大于90°，则反之。
17
第二节 卫星运行轨道
（5）近地点角距——升交点向径与轨道近地点 向径之间的夹角。
当＝0°时，升交点即为近地点的星下点； 当＝180°时，升交点即为远地点的星下点。 （6）卫星过近地点时间t 、、t、i决定了卫星轨道面与赤道面的相 对位置。
b为短半径
当e →0时，轨道近似圆形；当e →1时，轨道 呈长椭圆形（探空）。
14
第二节 卫星运行轨道
卫星的空间轨道
15
第二节 卫星运行轨道
（3）轨道面倾角 轨道面与赤道面两面的夹角为轨道面倾
角i。 当卫星绕地球自西向东方向移动时，轨
道面倾角在0°—90°之间，；反之在 90°—180°之间变动。当倾角为0°时， 卫星绕赤道运行；当倾角为90°时，轨道 面与赤道面垂直，即极轨卫星。
第二节 卫星运行轨道
遥感技术与应用-6-遥感专题信息提取
可以表现得十分不同 C 遥感图像常用一种不熟悉或变化的比例和分辨率描述地球表面
因此，对于初学者需要多对照地形图、实地或熟悉地物观测，以增强立体感和和景深 印象，纠正视觉误差，积累图像判读经验 遥感图像的解译过程是地面目标成像过程的逆过程，即从地面实况的模拟影像中提取 遥感信息、反演地面原型的过程 三、遥感图像解译的两种方式 1 目视解译（Visual Interpretation）
但是，因为阴影的遮盖会掩盖一些信息，给解译工作带来不便 3 大小（Size）指地物长、宽、高、面积、体积等在影像上的记录
地物影像的大小不仅能求得地物的数量特征，而且对判读地物的性质也有帮助。 例如，单轨铁路和双轨铁路从形状上往往不易区分，但通过量算其宽度则很容易区分 地物影像的大小取决于影像的比例尺大小。因此，解译前要获得影像的比例尺 4 形状（Shape）是目标物的外形、轮廓
解释空间（Interpretation Space）。解释空间有概念驱动（Concept-Driven）的属性， 如类别的联合、交叉等 2 模式（Pattern）是对象的“物理”描述 。通常是信号、图像或简单的数值表。也常 模式称为对象、案例或样本。 3 特征（Feature） 是从模式得到的对分类有用的度量、属性或基元（Primitive） 所以特征选取是门艺术。 二、模式识别的方法 1 数据聚类（Clustering） 是用某种相似性度量的方法将数据组织成有意义的和有用的 各组数据。数据聚类不需要利用已知类的信息，它是一种非监督学习的方法，解决方案是 数据驱动的
为了提高解译过程的正确性、可靠性，必须补充必要的辅助数据（Ancillary）和先验 知识（Priori Knowledge）-指地学、生物学、物理学、数学等专业知识，在GIS的支持 下，发展一系列相关的、多层次的、综合的应用分析方法，进行遥感与地学综合分析
因此，对于初学者需要多对照地形图、实地或熟悉地物观测，以增强立体感和和景深 印象，纠正视觉误差，积累图像判读经验 遥感图像的解译过程是地面目标成像过程的逆过程，即从地面实况的模拟影像中提取 遥感信息、反演地面原型的过程 三、遥感图像解译的两种方式 1 目视解译（Visual Interpretation）
但是，因为阴影的遮盖会掩盖一些信息，给解译工作带来不便 3 大小（Size）指地物长、宽、高、面积、体积等在影像上的记录
地物影像的大小不仅能求得地物的数量特征，而且对判读地物的性质也有帮助。 例如，单轨铁路和双轨铁路从形状上往往不易区分，但通过量算其宽度则很容易区分 地物影像的大小取决于影像的比例尺大小。因此，解译前要获得影像的比例尺 4 形状（Shape）是目标物的外形、轮廓
解释空间（Interpretation Space）。解释空间有概念驱动（Concept-Driven）的属性， 如类别的联合、交叉等 2 模式（Pattern）是对象的“物理”描述 。通常是信号、图像或简单的数值表。也常 模式称为对象、案例或样本。 3 特征（Feature） 是从模式得到的对分类有用的度量、属性或基元（Primitive） 所以特征选取是门艺术。 二、模式识别的方法 1 数据聚类（Clustering） 是用某种相似性度量的方法将数据组织成有意义的和有用的 各组数据。数据聚类不需要利用已知类的信息，它是一种非监督学习的方法，解决方案是 数据驱动的
为了提高解译过程的正确性、可靠性，必须补充必要的辅助数据（Ancillary）和先验 知识（Priori Knowledge）-指地学、生物学、物理学、数学等专业知识，在GIS的支持 下，发展一系列相关的、多层次的、综合的应用分析方法，进行遥感与地学综合分析
《遥感信息的获取和处理》 讲义
《遥感信息的获取和处理》讲义一、遥感的基本概念遥感，简单来说，就是不直接接触目标物体，而是通过传感器接收来自目标物体反射或发射的电磁波信息，并对这些信息进行处理、分析和解释，以获取有关目标物体的特征、性质和状态等方面的知识。
遥感技术的应用范围非常广泛，包括但不限于地质勘探、农业监测、环境评估、城市规划、气象预报、海洋研究等领域。
二、遥感信息的获取（一）遥感平台遥感平台是搭载传感器的工具，常见的遥感平台有卫星、飞机、无人机等。
不同的遥感平台具有不同的特点和适用范围。
卫星遥感平台能够覆盖大面积的区域，提供全球范围内的遥感数据，但空间分辨率相对较低。
飞机遥感平台可以根据需要灵活调整飞行高度和航线，获取较高空间分辨率的遥感数据，但覆盖范围相对较小。
无人机遥感平台则具有操作灵活、成本低、能够获取高分辨率数据等优点，适用于小范围的精细监测。
（二）传感器传感器是遥感系统中用于接收和记录电磁波信息的装置。
常见的传感器类型包括光学传感器、微波传感器等。
光学传感器利用可见光、近红外和短波红外等波段的电磁波进行探测，能够获取地物的色彩、纹理等信息。
微波传感器则利用微波波段的电磁波进行探测，具有穿透云层、植被等障碍物的能力，适用于在恶劣天气条件下或对隐藏目标进行探测。
（三）电磁波谱电磁波谱是遥感信息获取的基础。
不同的地物在不同波段的电磁波反射和发射特性不同，通过选择合适的波段进行遥感探测，可以有效地识别和区分各种地物。
例如，植被在近红外波段具有较高的反射率，而水体在可见光波段反射率较低。
利用这些特性，可以通过遥感图像识别出植被和水体的分布范围。
（四）数据采集方式遥感数据的采集方式主要有主动式和被动式两种。
主动式遥感是指传感器主动向目标物体发射电磁波，并接收目标物体反射或散射回来的电磁波信号。
例如，合成孔径雷达（SAR）就是一种主动式微波遥感传感器。
被动式遥感则是传感器直接接收目标物体反射或发射的自然电磁波信号。
大多数光学遥感传感器都属于被动式遥感。
遥感图像信息提取ppt课件
3.4 规则描述——表达式与变量
表达式 基本运算符
三角函数
关系/逻辑
其他符号
部分可用函数 +、-、*、/ Sin、cos、tan asin、acos、 atan Sinh、cosh、 tanh…. LT、LE、EQ…. and、or、not…. 最大值、最小值
指数（^）、exp 对数alog 平方根（sqrt）、 绝对值（adb） ……
• 这一步是可选项，如果不需要可以直接跳过。
面向对象分类练习——分块精炼
• FX提供了一种阈值法（Thresholding）进一步精炼分块的 方法。它是基于亮度值的栅格操作，根据分割后结果中的 一个波段的亮度值聚合分块。对于具有高对比度背景的特 征非常有效（例如，明亮的飞机对黑暗的停机坪）。
• 这一步是可选项，如果不需要可以直接跳过。
- 集合临近像元为对象用来识别感兴趣的光谱要素 - 充分利用高分辨率的全色和多光谱数据，利用空间，
纹理，和光谱信息来分割和分类的特点 - 以高精度的分类结果或者矢量输出
4.2 与基于像元分类的区别
类型
基本原理
影像的最小单元 适用数据源
缺陷
传 统 基 于 地 物 的 光 谱 信 息 单个的影像像元 中低分辨率多光 丰 富 的 空 间 信 息
面向对象分类练习——特征提取
• 直接输出矢量
- 输出Shapefile矢量文件 - 属性
面向对象分类练习——特征提取
• 监督分类
- 根据一定样本数量以及其对应的属性信息，利用K邻近法和支 持向量机监督分类法进行特征提取
面向对象分类练习——特征提取
• 规则分类
- 每一个分类有若干个规则（Rule）组成，每一个规则有若干 个属性表达式来描述。规则与规则直接是与的关系，属性表 达式之间是并的关系
遥感应用典型地物信息的提取ppt课件
不同水体的水面性质、水体中 悬浮物的性质和含量、水深和水 底特性等不同，因此，传感器上 接收到的反射光谱特征存在差 异，为遥感探测水体提供了基础。
2
水体的光谱特征
在可见光范围内，水体的反射率总体上比较低（一般为 4%～5%），并随着波长的增大逐渐降低，到 0.6微米 处约2%～3%，过了0.75微米，水体几乎成为全吸收体。 因此，在近红外的遥感影像上，清澈的水体呈黑色。 为区分水陆界线，确定地面上有无水体覆盖，应选择 近红外波段的影像。
20
AVHRR影像上的居民地识别提取
AVHRR影像上居民地的影像特征分析 在3（红）、2（绿）、1（蓝）假彩色合成图像上可以 看出，特大城市、大城市、中等城市，无论是位于山区 还是平原，都能在影像上识别出来。这些城市在影像上 呈暗灰蓝色，当其周围为农田时，其周边呈灰蓝色，当 为森林时，呈浅黄色，当为水体时，呈红色。城市的外 部轮廓清楚明显，城市的内部的色调比较一致，而内部 纹理特征不明显。城市的形状一般为斑块状。县城一级 的城镇，以及小城市在NOAA影像上需要仔细识别才能识 别出来。一般面积在6平方公里以上的县级城镇在NOAA 影像上只有几个像元，呈点斑状，其外部轮廓已经很不 清楚了。在其像元中，只有1到4个像元与周边像元有一 定的区别，比较容易识别。而其他周边像元都是以混合 像元的形式存在。此时的城镇已无纹理可见了。
基于光谱知识的居民地提取模型 通过对采样数据进行波段组合分析，建立模型如下：
CH 2 CH1 K
提取居民地、水体和云
CH1 CH3
剔除水体
CH1 CH 2 CH 3 K1 剔除云
CH5 CH 2 K2
剔除少量水陆混合像元
注意：因AVHRR空间分辨率的限制，提取精度有限。
2
水体的光谱特征
在可见光范围内，水体的反射率总体上比较低（一般为 4%～5%），并随着波长的增大逐渐降低，到 0.6微米 处约2%～3%，过了0.75微米，水体几乎成为全吸收体。 因此，在近红外的遥感影像上，清澈的水体呈黑色。 为区分水陆界线，确定地面上有无水体覆盖，应选择 近红外波段的影像。
20
AVHRR影像上的居民地识别提取
AVHRR影像上居民地的影像特征分析 在3（红）、2（绿）、1（蓝）假彩色合成图像上可以 看出，特大城市、大城市、中等城市，无论是位于山区 还是平原，都能在影像上识别出来。这些城市在影像上 呈暗灰蓝色，当其周围为农田时，其周边呈灰蓝色，当 为森林时，呈浅黄色，当为水体时，呈红色。城市的外 部轮廓清楚明显，城市的内部的色调比较一致，而内部 纹理特征不明显。城市的形状一般为斑块状。县城一级 的城镇，以及小城市在NOAA影像上需要仔细识别才能识 别出来。一般面积在6平方公里以上的县级城镇在NOAA 影像上只有几个像元，呈点斑状，其外部轮廓已经很不 清楚了。在其像元中，只有1到4个像元与周边像元有一 定的区别，比较容易识别。而其他周边像元都是以混合 像元的形式存在。此时的城镇已无纹理可见了。
基于光谱知识的居民地提取模型 通过对采样数据进行波段组合分析，建立模型如下：
CH 2 CH1 K
提取居民地、水体和云
CH1 CH3
剔除水体
CH1 CH 2 CH 3 K1 剔除云
CH5 CH 2 K2
剔除少量水陆混合像元
注意：因AVHRR空间分辨率的限制，提取精度有限。
《遥感数据获取》PPT课件
传感器的工作原理
• 传感器应用的是物理效应，诸如压电效应，
磁致伸缩现象，离化、极化、热电、光电、 磁电等效应。被测信号量的微小变化都将 转换成电信号。
传感器的一般构成
电
磁
波
信息
幅
收集
射
探测器 信息处理
信息输出
传感器的分类
• 摄影机
– 框幅式 – 缝隙式 – 全景式
• 扫描仪 • 雷达 • 非成像传感器
《遥感数据获取》PPT课 件
本课件PPT仅供大家学习使用 学习完请自行删除，谢谢！ 本课件PPT仅供大家学习使用 学习完请自行删除，谢谢！ 本课件PPT仅供大家学习使用 学习完请自行删除，谢谢！ 本课件PPT仅供大家学习使用 学习完请自行删除，谢谢！
遥感数据采集
一幅图像实际上记录 的是物体辐射能量的 空间分布，这个分布 是空间坐标、时间和 波长的函数，即:
远红外(6-15mm) 热红外(8-14mm)
近红外(0.7-1.3mm) 短波红外(1.3-3mm)
微波(0.1-100cm)
利用卫星、航天飞机、 覆盖范围大，不受领空限 宇宙飞船、航天空间 制，可进展定期、重复观 站等携带遥感仪器的 测 遥感
利用飞机携带遥感 仪器的遥感
机动性强，可以根据研究 主题选择恰当的传感器、 适当的飞行高度和飞行区 域
变红 焦外 镜滤 头光
片
G CCD 红、蓝滤光片
变红 焦外 镜滤 头光
片
红、绿、蓝方 格图案滤光片
分色棱镜
R/ B CCD
R/G/B CCD
B CCD
青色滤光片 二向分色棱镜
(a)三板式的棱镜分光 (b)二板式的二向色棱镜分光 (c)单板式的方格图案滤色片分光
《遥感信息的获取和处理》 讲义
《遥感信息的获取和处理》讲义一、引言遥感技术作为一种非接触式的对地观测手段，已经在众多领域发挥着至关重要的作用。
从资源调查、环境监测到城市规划、农业生产，遥感技术凭借其能够快速、大面积获取地表信息的优势，为我们提供了丰富而宝贵的数据。
而要充分利用这些数据，关键在于准确获取和有效处理遥感信息。
接下来，让我们深入探讨遥感信息的获取和处理这一重要课题。
二、遥感信息的获取（一）传感器类型遥感信息的获取首先依赖于各种传感器。
常见的传感器包括光学传感器、微波传感器和热红外传感器等。
光学传感器是最常见的一类，它能够捕捉可见光、近红外和短波红外波段的电磁波。
例如，多光谱相机可以同时获取多个波段的图像，为我们提供地物的光谱特征信息。
微波传感器则具有穿透云雾、雨雪的能力，在恶劣天气条件下也能正常工作。
合成孔径雷达（SAR）就是一种常用的微波传感器，它能够生成高分辨率的地表图像。
热红外传感器则用于测量地物的热辐射，对于监测地表温度变化、热岛效应等具有重要意义。
（二）平台选择传感器通常搭载在不同的平台上进行工作，包括卫星、飞机和无人机等。
卫星平台能够实现全球范围的大面积观测，具有重复观测周期短、覆盖范围广的优点。
例如，陆地卫星系列、气象卫星等为全球的资源环境监测提供了大量的数据。
飞机平台可以在特定区域进行更精细的观测，但其成本相对较高，且观测范围有限。
无人机平台则具有灵活性高、成本低、可近地观测等特点，适用于小范围、高分辨率的遥感数据获取。
（三）数据采集方式遥感数据的采集方式主要有主动式和被动式两种。
主动式遥感是指传感器主动向目标发射电磁波，然后接收目标反射或散射回来的电磁波。
SAR 就是典型的主动式遥感系统。
被动式遥感则是接收目标自身发射或反射的太阳辐射。
光学传感器和热红外传感器大多属于被动式遥感。
三、遥感信息的处理（一）辐射校正由于传感器本身的特性、大气的影响等因素，获取的原始遥感数据往往存在辐射误差。
辐射校正的目的就是消除这些误差，使得数据能够准确反映地物的真实辐射特性。
地理信息系统gis第6章 遥感技术及其应用ppt课件
最新课件
15
探测器
（2）光电敏感元件
光电敏感元件是利用某些特殊材料的光电效 应把电磁波信息转换为电信号来探测电磁辐射的， 其工作波段涵盖紫外至红外波段。
光电敏感元件按其探测电磁辐射机理的不同， 又分为光电子发射器件、光电导器件和光伏器件 等。
最新课件
16
处理器
处理器的主要功能是负责将探测到的化学能 或电能信息进行加工处理，即进行信号的放大、 增强或调制。
最新课件
28
中国遥感卫星地面站位于北京密云， 于1986年建成并投入运行，邓小平同志亲 笔题写了站名。
地面站主要任务是：接收、处理、存 档、分发各类地球对地观测卫星数据，为 全国服务，同时开展卫星遥感影像数据接 收与处理以及相关技术的研究。
最新课件
29
接收站内配备大型接收天线 2 部、中小型接收 天线 2 部及相关的各种卫星数据接收、记录设施多 套，具备接收国内外15颗遥感卫星数据的能力，目 前全天候运行性接收9颗卫星数据，初步实现了一 站多星，多种分辨率和全天候、全天时、准实时。 成为国家关键的空间信息基础设施，也是国际上接 收与处理卫星数量最多的地面站之一。地面站代表 我国与美国、日本、欧空局、加拿大、法国各卫星 管理机构签订各类卫星数据接收协议10份，成为国 际对地观测网中有较大影响的重要一员。
注意：摄影成像无须信号转换。
最新课件
17
输出器
传感器的最终目的是要把接收到的各种电磁 波信息，用适当方式输出，亦即提供原始的资料、 数据。
遥感影像信息的输出一般分直接与间接两种 方式。
最新课件
18
传感器的分类
按电磁辐射来源分类：
分为主动式传感器和被动式传感器。
按传感器的成像原理和所获取图像的性质不 同分类：
- 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)。
Iterative Self-Organizing Data Analysis Technique中 根据一定的原则 不断重新计算类 别总数，类别中 心，使分类结果 逐渐趋于合理， 直到满足一定条 件分类完毕。
21
聚类过程：聚类中心的变化
22
•初始分类
26
监督分类
1、最小距离分类 一种相对简单的分类方法。前提是假设图象 中各类地物光谱信息呈多元正态分布。 假设N维空间存在M个类别，某一像元距哪 类距离最小，则判归该类。 通过训练样本事先确定类别数、类别中心， 然后进行分类。分类的精度取决与训练样 本的准确与否。
27
最小距离分类法
28
线性判别分类
6
§1 遥感图像的计算机分类
计算机分类的步骤 分类预处理 特征选择 分类 分类后处理 专题图制作
7
§1 遥感图像的计算机分类
1. 分类预处理: 根据图像分类目的，考虑图像
的空间分辨率、光谱分辨率、成像时间、图 像质量等基础情况，收集与分析地面参考信 息与有关数据。
2. 特征选择: 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。确定分类系 统及类别体系。找出代表这些类别的统计特 征。
8
§1 遥感图像的计算机分类
3.分类:对遥感图像中各像素进行分类。 4.分类后处理:分类精度检查，对判别分析的
结果进行统计检验。
5.专题图制作:依据相关图式要求，编制遥感
专题图。
9
常用的聚类分析统计量
对像元进行分类，必须首先找出反映像元 之间相似程度的统计特征值，即必须找到 能度量相似关系的统计量。 距离系数 相似系数 相关系数
10
距离判别函数
欧氏距离: N为波段数; dij为第个i像元与第j个像元在N 维空间中的距离;xik为第个k波段上第i个像 元的灰度值;
绝对值距离:
11
明斯基距离: 欧氏距离和绝对距离可统一表 示为:
马氏距离(Mahalanobis):
马氏距离的优点在于克服了波段间相关性 的影响
12
§2监督分类与非监督分类
13
非监督分类
➢ 前提是假定遥感影像上的同类物体在同样 条件下具有相同的光谱信息（同物同谱）。
➢ 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, 依据统计特征的差别实现 分类的目的, 最后对巳分出的各个类别的实 际属性进行确认。
14
非监督分类方法
主要采用聚类分析方法, 把一组像素按照相 似性归成若干类别, 即 “物以类聚”。 核心依据是：属于同一类别的像素之间的距 离很近，而不同类别的像素间的距离较大 大。
➢ 监督分类法：在研究区域选有代表性的训练场地 作为样本，通过选择特征参数（如亮度的均值、 方差等），建立判别函数，对样本进行分类，依 据样本的分类特征来识别样本像元的归属类别的 方法。
➢ 非监督分类：是在没有先验类别（训练场地）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的方法。
16
聚类算法
其常用方法如下: ➢ 分级集群法 ➢ 动态聚类法
ISODATA方法在动态聚类法中具有代表性
17
ISODATA算法
全称：迭代自组织数据分析算法 Iterative Selforganizing Data Analysis Techniques Algorithm
一种应用较广的 聚类算法。在初始设 定基础上，在分类过 程中根据一定的原则 不断重新计算类别总 数，类别中心，使分 类结果逐渐趋于合理， 直到满足一定条件分 类完毕。
15
非监督分类
1. 确定最初类别数和类别中心; 2. 计算像元对应的特征矢量与各聚类中心的距离; 3. 选取距类别中心距离最近的像元为所属类别; 4. 计算新的类别均值向量; 5. 比较新的类别均值与原中心位置的变化, 形成新的聚类中
心; 重复2, 反复迭代; 6. 如聚类中心不再变化, 停止计算. 核心问题：初始类别参数的选定，以及它的迭代调整问题。
感图像自动分成若干地物类别的方法。
4
§1 遥感图像的计算机分类
光谱类别：基于光谱差异形成的类别； 特征提取：通过对原始图象进行变换，找
到最能反映地物类别差异的特征变量。可 以是光谱特征、几何特征、纹理特征等； 像元模式：多波段影象中，每个像元都对 应一组DN（辐射亮度值）取值。各类地物 在影像中，以像元模式表现出各自应有的 特征。
18
初始类别参数
初始类别参数是指：基准类别集群中心（数 学期望Mi),以及集群分布的协方差矩阵Σ i。 1. 像素光谱特征比较法； 2. 总体直方图均匀定心法; 3. 最大最小距离选心法; 4. 局部直方图峰值定心法; 5.累积分布直方图法。
19
20
ISODATA方法（迭代自组织数据分析算法）
5
像元相当于N个特征组成的 N维空间的一个点。
点群的中心---地物类别像元 特征值的均值向量。 点群的范围——地物类别像 元特征值的的标准差向量 （即点群的离散程度）。 点群的边界——计算机分类 中决定像元归属的准则，所 谓判别函数。
计算机分类就是分析特征空间这些点群的特点，如点群 位置，分布中心，分布规律，从而确定点群的界限，最 终完成分类任务。
Main> Classification> Unsupervised
classification
提示： 实际工作中将分类设为 最终分类数的2倍以上。
23
专题判别
3）编辑类别颜色和名称
24
非监督分类实例
25
监督分类
又称训练分类法： 在图像中选择有代表性 的区域作为训练区，由 训练区得到各个类别的 统计数据，由此建立判 别函数，对整个图像进 行分类。 训练区的选择要具有典 型性和代表性
2、线性判别分类：在多波段遥感数据形成 的多维特征空间里，通过降维方法简化分 类过程，并且通过投影变换把多维空间不 易区分的目标转到低维空间，然后应用投 影排序区分它们，从而提高可分性。
遥感技术基础课件第六章 遥感信息 提取
不同地物的反射光谱特征
2
本章主要内容
遥感图像的计算机分类 非监督分类与监督分类 分类后处理和误差分析 非监督分类与监督分类的结合 图像分类中的有关问题 计算机解译的发展趋势
3
§1 遥感图像的计算机分类
遥感数字图像的计算机分类 通过模式识别理论，利用计算机将遥
21
聚类过程：聚类中心的变化
22
•初始分类
26
监督分类
1、最小距离分类 一种相对简单的分类方法。前提是假设图象 中各类地物光谱信息呈多元正态分布。 假设N维空间存在M个类别，某一像元距哪 类距离最小，则判归该类。 通过训练样本事先确定类别数、类别中心， 然后进行分类。分类的精度取决与训练样 本的准确与否。
27
最小距离分类法
28
线性判别分类
6
§1 遥感图像的计算机分类
计算机分类的步骤 分类预处理 特征选择 分类 分类后处理 专题图制作
7
§1 遥感图像的计算机分类
1. 分类预处理: 根据图像分类目的，考虑图像
的空间分辨率、光谱分辨率、成像时间、图 像质量等基础情况，收集与分析地面参考信 息与有关数据。
2. 特征选择: 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。确定分类系 统及类别体系。找出代表这些类别的统计特 征。
8
§1 遥感图像的计算机分类
3.分类:对遥感图像中各像素进行分类。 4.分类后处理:分类精度检查，对判别分析的
结果进行统计检验。
5.专题图制作:依据相关图式要求，编制遥感
专题图。
9
常用的聚类分析统计量
对像元进行分类，必须首先找出反映像元 之间相似程度的统计特征值，即必须找到 能度量相似关系的统计量。 距离系数 相似系数 相关系数
10
距离判别函数
欧氏距离: N为波段数; dij为第个i像元与第j个像元在N 维空间中的距离;xik为第个k波段上第i个像 元的灰度值;
绝对值距离:
11
明斯基距离: 欧氏距离和绝对距离可统一表 示为:
马氏距离(Mahalanobis):
马氏距离的优点在于克服了波段间相关性 的影响
12
§2监督分类与非监督分类
13
非监督分类
➢ 前提是假定遥感影像上的同类物体在同样 条件下具有相同的光谱信息（同物同谱）。
➢ 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, 依据统计特征的差别实现 分类的目的, 最后对巳分出的各个类别的实 际属性进行确认。
14
非监督分类方法
主要采用聚类分析方法, 把一组像素按照相 似性归成若干类别, 即 “物以类聚”。 核心依据是：属于同一类别的像素之间的距 离很近，而不同类别的像素间的距离较大 大。
➢ 监督分类法：在研究区域选有代表性的训练场地 作为样本，通过选择特征参数（如亮度的均值、 方差等），建立判别函数，对样本进行分类，依 据样本的分类特征来识别样本像元的归属类别的 方法。
➢ 非监督分类：是在没有先验类别（训练场地）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的方法。
16
聚类算法
其常用方法如下: ➢ 分级集群法 ➢ 动态聚类法
ISODATA方法在动态聚类法中具有代表性
17
ISODATA算法
全称：迭代自组织数据分析算法 Iterative Selforganizing Data Analysis Techniques Algorithm
一种应用较广的 聚类算法。在初始设 定基础上，在分类过 程中根据一定的原则 不断重新计算类别总 数，类别中心，使分 类结果逐渐趋于合理， 直到满足一定条件分 类完毕。
15
非监督分类
1. 确定最初类别数和类别中心; 2. 计算像元对应的特征矢量与各聚类中心的距离; 3. 选取距类别中心距离最近的像元为所属类别; 4. 计算新的类别均值向量; 5. 比较新的类别均值与原中心位置的变化, 形成新的聚类中
心; 重复2, 反复迭代; 6. 如聚类中心不再变化, 停止计算. 核心问题：初始类别参数的选定，以及它的迭代调整问题。
感图像自动分成若干地物类别的方法。
4
§1 遥感图像的计算机分类
光谱类别：基于光谱差异形成的类别； 特征提取：通过对原始图象进行变换，找
到最能反映地物类别差异的特征变量。可 以是光谱特征、几何特征、纹理特征等； 像元模式：多波段影象中，每个像元都对 应一组DN（辐射亮度值）取值。各类地物 在影像中，以像元模式表现出各自应有的 特征。
18
初始类别参数
初始类别参数是指：基准类别集群中心（数 学期望Mi),以及集群分布的协方差矩阵Σ i。 1. 像素光谱特征比较法； 2. 总体直方图均匀定心法; 3. 最大最小距离选心法; 4. 局部直方图峰值定心法; 5.累积分布直方图法。
19
20
ISODATA方法（迭代自组织数据分析算法）
5
像元相当于N个特征组成的 N维空间的一个点。
点群的中心---地物类别像元 特征值的均值向量。 点群的范围——地物类别像 元特征值的的标准差向量 （即点群的离散程度）。 点群的边界——计算机分类 中决定像元归属的准则，所 谓判别函数。
计算机分类就是分析特征空间这些点群的特点，如点群 位置，分布中心，分布规律，从而确定点群的界限，最 终完成分类任务。
Main> Classification> Unsupervised
classification
提示： 实际工作中将分类设为 最终分类数的2倍以上。
23
专题判别
3）编辑类别颜色和名称
24
非监督分类实例
25
监督分类
又称训练分类法： 在图像中选择有代表性 的区域作为训练区，由 训练区得到各个类别的 统计数据，由此建立判 别函数，对整个图像进 行分类。 训练区的选择要具有典 型性和代表性
2、线性判别分类：在多波段遥感数据形成 的多维特征空间里，通过降维方法简化分 类过程，并且通过投影变换把多维空间不 易区分的目标转到低维空间，然后应用投 影排序区分它们，从而提高可分性。
遥感技术基础课件第六章 遥感信息 提取
不同地物的反射光谱特征
2
本章主要内容
遥感图像的计算机分类 非监督分类与监督分类 分类后处理和误差分析 非监督分类与监督分类的结合 图像分类中的有关问题 计算机解译的发展趋势
3
§1 遥感图像的计算机分类
遥感数字图像的计算机分类 通过模式识别理论，利用计算机将遥