第7章遥感数字图像的计算机解译

《第7章遥感数字图像的计算机解译》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、面向二十一世纪课程教材遥感导论电子教案制作人：贾维花Saturday,July24,2021第7章遥感图像计算机解译概念7.1遥感数字图像的性质与特点7.2遥感数字图像的计算机分类7.3遥感图像多种特征的抽取7.4遥感图像解译专家系统遥感数字图像计算机解译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。像元属性特征空间特征空间分辨率亮度值数字图像构成单元特点表示方法多波段数据格式1.便于计算机处理与分析2.图像信息损失低3.抽象性强，便于建模。二维数组或矩阵BSQ(Bandsequentia

2、l)BIP(Bandinterleavedbypixel)BIL(Bandinterleavedbyline)(见P190~191)返回正像素混合像素7.2遥感数字图像的计算机分类1分类的原理2图像分类的方法3分类的一般过程4图像分类的有关问题（见P201～202）返回统计模式识别像素的相似度统计特征变量分类依据分类原理统计模式识别的关键：是提取待识别模式的一组统计特征，然后按照一定准则作出决策，从而对数字图像予以识别。地物的光谱特征以及对图像进行处理后的特征变量，根据其像元的相似度全局统计特征变量局部统计特征变量特征空间中的距离特征空间相似系数绝对距离欧氏距离马氏距离混合距离返回波段：

3、1234同类地物集聚性计算机分类处理的一般过程原始图像的预处理训练区的选择特征选择、特征提取分类运算结果检验成果输出返回分类过程见P(195~196)监督分类非监督分类分类方法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分级集群法（HierarchicalClustering)动态聚类法（ISODATA)最小距离判别法最近邻域分类法返回监督分类和非监督分类的区别监督分类一般步骤：1.监督分类包括利用训练区样本建立判别函数的“学习”过程.2.把待分像元代入判别函数进行判别过程。训练区的选择：1.训练区必须具有典型性和代表性。2.对所有使用的图件要求时间和空间上的一致性。（协助

4、选取）3.训练区样本选择后可做直方图，观察其分布规律，一般要求单峰近似正态分布，若双峰，则可能是混合类别，需要重做。4.训练样本数目确定。至少N+1（N为光谱维）是理论值。具体分类时要看对图像的了解程度和图像本身情况来确定。5.训练区确定后，计算各种统计量如集群的均值和方差、协方差。返回非监督分类概念：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（将相似度大的像元归为一类）的方法。采用的聚类分析的方法。主要过程：1.确定初始类别参数，即确定初始类别数和类别中心（集群中心）。2.计算每个像元所对应的特征矢量与各集群中心

5、的距离。3.选与中心距离最短的类别作为这一矢量的所属类别。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上的变化。若位置发生了改变，则以新的类别均值作为聚类中心，再从第二步开始重复，进行反复迭代操作。6.如果聚类中心不再变化，计算停止。返回监督分类和非监督分类的区别根本区别点:在于是否利用训练场地来获取先验的类别知识，监督分类根据训练场提供的样本选择特征参数、建立判别函数，对待分类点进行分类。非监督分类不需要更多的先验知识，它根据地物的光谱统计特性进行分类。因此，非监督分类方法简单，且分类具有一定的精度。返回7.3遥感图像多种特征的抽取返回光谱特征形状特征空间关系特征纹理特征

6、点状地物线状地物面状地物地物单元边界特征描述形态特征描述相邻关系包含关系方位关系相交关系相贯关系距离关系方向关系遥感图像解译专家系统图像处理与特征提取子系统图像解译专家系统的机理图像解译知识获取子系统图像处理：图像滤波、增强、大气校正、几何精校正、正射纠正等。特征提取：光谱特征、形状特征、空间关系特征、纹理特征增加遥感解译新知识修改原知识或补充新知识自动总结经验，修改错误和增加新的解译知识遥感图像数据库遥感解译知识库推理机解释器专家解译知识背景知识咨询式隐蔽式返回计算机解译技术发展趋势人工神经网络分形技术小波分析模糊分类1.抽取遥感图像多种特征并综合利用这些特征进行识别3.建立适用于遥感

7、自动解译的专家系统，提高自动解译的灵活性2.逐步完成GIS各种专题数据库的建设，减少自动解译的不确定性4.模式识别与专家系统相结合5.计算机解译新方法的应用谢谢！！