《遥感分类》PPT课件

《《遥感分类》PPT课件》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、第九讲遥感影像分类1主要内容遥感影像分类非监督分类监督分类遥感影像分类处理中的几个问题一、遥感影像分类3分类前分类后非监督分类4分类前分类后分类5分类前分类后分类6一、遥感影像分类遥感影像分类的概念及原理遥感影像分类的特点和原则遥感影像的分类顺序影像分类统计量7概念及原理特点和原则分类顺序分类统计量一、遥感影像分类概念：是指通过对遥感影像中各类地物的光谱信息和空间信息的分析来选择特征，并将特征空间划分为互不重叠的子空间，将影像中各像元划归到各子空间的过程。8概念及原理特点和原则分类顺序分类统计量一

2、、遥感影像分类原始影像亮度值9概念及原理特点和原则分类顺序分类统计量一、遥感影像分类原理：根据各类样本内在的相似性将相似的种类(像元)合并，将不相似的种类(像元)分开，使各像元在特征空间的分布按其相似性分割或合并成一些集群。10概念及原理特点和原则分类顺序分类统计量一、遥感影像分类11概念及原理特点和原则分类顺序分类统计量一、遥感影像分类同类地物在相同条件下应具有相同或相似的信息特征。12概念及原理特点和原则分类顺序分类统计量一、遥感影像分类混合像元的存在常使得同类地物的特征向量也不尽相同。30m

3、R10mR13概念及原理特点和原则分类顺序分类统计量一、遥感影像分类影像分类的关键问题之一是选择适当的分类规则(或叫分类器)，通过分类器把影像数据划分为尽可能符合实际情况的不同类别。14概念及原理特点和原则分类顺序分类统计量一、遥感影像分类最简单的分类器就是密度分割或灰度分层。15概念及原理特点和原则分类顺序分类统计量一、遥感影像分类最简单的分类器就是密度分割或灰度分层。16概念及原理特点和原则分类顺序分类统计量一、遥感影像分类遥感影像分类的特点：多变量的影像分类17概念及原理特点和原则分类顺序分

4、类统计量一、遥感影像分类18概念及原理特点和原则分类顺序分类统计量一、遥感影像分类19概念及原理特点和原则分类顺序分类统计量一、遥感影像分类分类原则：①不能孤立地根据个别变量数值分类，要从整个向量数据特征出发，按空间集群分布来分类。②一个集群(类)在特征空间的位置用其均值向量表示。③实质是把多维特征空间划分为若干区域(子空间)的过程。20概念及原理特点和原则分类顺序分类统计量一、遥感影像分类21概念及原理特点和原则分类顺序分类统计量一、遥感影像分类（1）像元i和像元j之间的相关系数22概念及原理特

5、点和原则分类顺序分类统计量一、遥感影像分类（2）像元i和像元j之间的相似系数23概念及原理特点和原则分类顺序分类统计量一、遥感影像分类（3）像元i和像元j之间的欧几里德距离24概念及原理特点和原则分类顺序分类统计量一、遥感影像分类（4）像元i和像元j之间的绝对距离25概念及原理特点和原则分类顺序分类统计量一、遥感影像分类（5）马氏距离(Mahalanobis)26概念及原理特点和原则分类顺序分类统计量一、遥感影像分类（6）二类均值的标准化距离(g类和h类)27二、非监督分类28二、非监督分类也叫“

6、边学习边分类法”。是在没有先验类别知识(训练场地)情况下，根据影像本身的统计特征及自然点群的分布来划分地物类别。各类别内涵不能由该分类方法得出，要根据地面实况调查和比较来决定。29三、非监督分类K-meanISODATA30K-meanISODATA二、非监督分类K-mean原理:通过迭代,移动各个基准类别的中心,直至得到最好的聚类结果为止。31K-meanISODATA确定初始类别中心判断样本至各类的距离将样本分到较近的类S中重新计算类S的中心类中心是否变化？迭代结束否是K-mean算法流程图3

7、2K-meanISODATAK-mean具体步骤33K-meanISODATA二、非监督分类K=5的分类结果34K-meanISODATA二、非监督分类K=10的分类结果35K-meanISODATA二、非监督分类ISODATA分类原理：在初始状态给出图像粗糙的分类，然后基于一定原则在类别间重新组合样本，直到分类比较合理为止。主要步骤：按照某个原则选择一些初始类聚类中心。计算像素与初始类别中心的距离，把该像素分配到最近的类别中。计算并改正重新组合的类别中心36K-meanISODATA二、非监督分

8、类按照某个原则选择一些初始类聚类中心。在实际操作中，要把初始聚类数设定得大一些，同时引入各种对迭代次数进行控制的参数，如控制迭代的总次数、每一类别最小像元数、类别的标准差、比较相邻两次迭代效果以及可以合并的最大类别数等，在整个迭代过程中，不仅每个像元的归属类别在调整，而且类别总数也在变化。在用计算机编制分类程序时，初始聚类中心可按如下方式确定：设初始类别数为n，这样共有n个初始聚类中心，求出图像的均值M和方差σ，按下式可求出初始聚类中心:k=1,2,…,n，为初始类中心编号，n为初