最大似然分类算法原理及实现

《最大似然分类算法原理及实现》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、中国农业大学林业生态工程遥感监测子课题项目小结最大似然分类算法原理及实现Reporter：孙家波Date:2010-12-15内容提要项目背景及进展最大似然分类算法原理最大似然分类算法先验概率下一步工作计划21.项目背景及进展项目来源：国家高新技术研究发展(863)计划——信息技术领域高效能计算机及网络服务环境题项目名称：基于多源数据的国家林业生态工程监测与评价网格应用系统课题名称：网格环境下林业生态工程多源遥感监测关键技术研究合作单位：三北局，林科院，清华大学，林大项目背景3核心41.项目背景及进展整体技术路线数据收集

2、与整理遥感影像预处理土地覆盖分类土地覆盖变化监测沙地现状信息林地现状信息遥感野外调查算法优化调整算法网格实现造林工程遥感监测分类系统确定研究区选择沙地变化信息林地变化信息技术路线51.项目背景及进展技术路线之分类多源遥感影像数据预处理分类系统的确定研究尺度逐渐扩大高分辨率影像分类中分辨率影像分类低分辨率影像分类AlosSpot5TMMODIS分类方法的优选外业调查验证林地信息提取沙地信息提取算法优化调整分类61.项目背景及进展技术路线之变化检测多时相遥感影像数据预处理变化信息提取中分辨率尺度变化检测低分辨率尺度变化检测多

3、时相TM遥感影像插值法植被指数插值法外业调查验证造林信息提取分类后比较法比值法长时间序列MODIS遥感影像算法优化调整……林地……沙地变化检测7项目进展12344581.项目背景及进展项目进展1.变化检测——差值法部分移植；分类后比较独立实现2.纹理分析——嵌入3.SVM分类——嵌入4.特征优选——嵌入待实现1.基本功能：影像信息获取、影像缩放、影像裁剪与合并、影像输出等2.样本库的建立、管理与应用3.最大似然分类4.最小距离分类5.NDVI提取，植被覆盖度提取已实现9最大似然分类最小距离分类101.项目背景及进展项

4、目进展1.样本库(1)样本库的管理与样本选择功能整合；(2)样本选择的动态显示；(3)项目提交TM数据的各县规范样本库的建立，利用ERDAS的样本纯化功能。2.分类(1)分类阈值设置——单机系统要求必须有；(2)决策树分类，针对MODIS数据；(3)分类结果评价功能；(4)分类后统计功能——结合需求。待完善2.最大似然分类算法原理算法基本思想112.1算法基本思想最大似然法将遥感影像多波段数据的分布作为多维正态分布来构造判别分类函数。基本思想是：各类的已知像元的数据在平面或空间中构成一定的点群；每一类的每一维数据都在自己

5、的数轴上形成一个正态分布，该类的多维数据就构成该类的一个多维正态分布；各类的多维正态分布模型在位置、形状、密集或者分散程度等方面不同。以三维正态分布为例，每一类数据都会形成近似铜钟形的立方体。2.最大似然分类算法原理122.1算法基本思想根据训练样本，可以构造出各类的多维正态分布模型，实际就是各类出现各种数据向量的概率，即概率密度函数或者概率分布函数或概率函数。g1(x)Maxg(x)g2(x)gn(x)在得到各类的多维分布模型后，对于未知类别的数据向量，便可通过贝叶斯公式计算它属于各个类别的概率大小，比较这些概率，属于

6、哪一类的概率大，就把该数据向量或者像元归到这类中。算法基本思想2.最大似然分类算法原理132.2贝叶斯公式的引入以具体问题为例：贝叶斯公式池塘里有两种鱼，鲤鱼和草鱼；我们下一条钓到的鱼是哪类鱼呢？？？下一条钓到的鱼其类别状态为WW=w1，鲤鱼；W=w2，草鱼下一条鱼是鲤鱼的先验概率为P(w1)下一条鱼是草鱼的先验概率为P(w2)只利用先验概率的信息来判断类别P(w1)>P(w2)——鲤鱼P(w1)

7、加入其它信息作为判别的依据。例如，鱼的光泽度x，是一个连续的随机变量，它的分布取决于类别的状态，称为类条件概率密度，表示为p(x

8、w),即在类别为w的时候x的概率密度函数。如下图所示，鲤鱼和草鱼的光泽度的区别：贝叶斯公式X存在的总的可能性2.最大似然分类算法原理152.2贝叶斯公式的引入已知两类鱼的先验概率,和类条件概率密度,下一条钓到的鱼是鲤鱼或者草鱼类别的概率分别可以表示为：贝叶斯公式贝叶斯公式2.最大似然分类算法原理162.3像元值的概率密度函数概率分布函数：设X为连续型随机变量，定义分布函数；F(x)=P(X≤x

9、)；概率密度函数：如果存在一个非负函数p(x)使得下式成立，则p(x)称为的概率密度函数：概率密度函数应该满足以下条件，概率密度函数2.最大似然分类算法原理17针对只有一个波段的影像，，它的正态分布密度函数，又称高斯分布密度函数为：第K类中出现的概率2.3像元值的概率密度函数概率密度函数2.最大似然分类算法原理18针