遥感数字图像处理教学

《遥感数字图像处理教学》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、第六章遥感数字图像的计算机分类分类的基本原理分类的方法分类的工作流程非监督分类方法监督分类方法图像分类的相关问题主要内容6.1遥感图像计算机分类的基本原理1）遥感图像的解译方法目视解译计算机解译6.1.1概述同类地物在相同的条件下（光照、地形等）应该具有相同或相似的光谱信息和空间信息特征。不同类的地物之间具有差异。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。遥感图像的计算机分类就是针对原始遥感影像或各种变换处理之后的图像，在计算机技术的协助下，采用决策理论或统计方法等对变量特征空间进行地物属性的识别和划分等

2、达到图像分类的目的。遥感图像分类是依据计算机的解译为主的信息分类方式。6.1.1概述2）光谱特征6.1.2计算机分类的基本原理遥感图像分类的主要依据就是地物的光谱特征的相似程度。遥感图像分类以每个像素的光谱数据为基础进行的。即：分类则就是对图像上每个像素按其亮度接近程度给出对应类别，达到大致区分图像中多种地物的目的。6.2分类处理的基本方法1）根据是否需要分类人员事先提供已知类别及其训练样本，对分类器进行训练和监督，可将遥感图像分类方法划分为：监督分类和非监督分类。事先已经知道类别的部分信息（即类别的先验知识），对未知类别的样本进行分类的方法称之为监督分

3、类（SupervisedClassification）。事先没有类别的先验知识，对未知类别的样本进行分类的方法称之为非监督分类（UnsupervisedClassification)。2）根据分类使用的统计数学方法可以分为：随机统计方法和模糊数学方法分类。前者以随机数学理论为基础，包括K－均值分类、最大相似性分类等。后者以模糊数学理论为基础，主要是模糊分类。监督分类就是首先从研究区域选取有代表性的训练场地作为样本，根据已知训练区提供的样本，通过选择特征参数来建立判别函数，据此对样本像元进行分类，再依据样本类别特征来识别非样本像元的归属类别。做分类时，常把

4、图像中某一类地物称为模式，而把属于该类中的像素称为样本，其中某位置的像元在不同波段或不同特征空间中的像素值，则可以称为该样本的观测值。监督分类法的基本原理！监督分类就是首先从研究区域选取有代表性的训练场地作为样本，根据已知训练区提供的样本，通过选择特征参数来建立判别函数，据此对样本像元进行分类，再依据样本类别特征来识别非样本像元的归属类别。做分类时，常把图像中某一类地物称为模式，而把属于该类中的像素称为样本，其中某位置的像元在不同波段或不同特征空间中的像素值，则可以称为该样本的观测值。监督分类法的基本原理！非监督分类方法就是在没有先验类别（或者说训练场地

5、）作为样本的条件下，主要采用依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。相似度是两种模式之间的相似程度。遥感图像分类过程中，常用“距离”和“相关系数”来衡量相似程度。非监督分类法的基本原理！相似性度量1）距离指标常有：绝对距离、欧式距离、马氏距离（马哈拉诺比斯距离）等绝对距离欧式距离马氏距离2）相关系数6.3计算机分类处理的工作流程1.原始图像的预处理2.选择分类方法（训练区的选择）3．特征选择和特征提取4．图像分类运算5．分类后处理及检验结果6．结果输出1）原始图像的预处理主要内容包括：确定工作范围、图像校正、噪声处理或图像信息

6、增强、多图像融合等。2）选择分类方法如果是监督分类，要考虑训练区的选择3）特征选择和特征提取特征是分类的依据。多光谱图像各个波段的像素值就是最基本的原始特征变量；经过+、-、*、/运算以及一些K-L变换、比值变换等处理后生成的一些新值也是反映图像信息的新特征变量。基本选取原则是：依据特征的可分性、可靠性、独立性、数量多少四方面综合选择。特征选择（featureselection）特征提取（featureextraction）特征选择就是从众多特征中挑选出可以参加分类算法的若干个特征，常用方法有主观判断、客观指标OIF（OptimumIndexFactor

7、）计算。（美国查维茨提出的）特征提取是在特征选择后，利用特征提取算法从原始特征中求出最能反映地物类别性质的一组新特征，由此既可以压缩数据，又提高特征类别间的可分性。4）图像分类运算依据你选择的特征变量和图像的分类对象的实际情况以及选择适当的分类方法和相应的分类参数进行图像分类。一般来说，当光谱与地物类别对应较好时，多采用简单实用的非监督分类法；如果类别之间光谱差异很小或较复杂时，则用监督分类方法较好。5）分类后处理及结果检验常见的内容有：碎斑处理、类别合并、统计分类结果、类间可分离性分析、分类精度分析等。碎斑处理——处理办法主要是进行滤波处理，用计算机手

8、段去掉分类图中过于孤立的类别像素，或将它归并到包围相邻较连续分布的那些类中。比如