《遥感图像分类》PPT课件.ppt

《《遥感图像分类》PPT课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、遥感影像分类遥感影像计算机自动解译利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析，选择特征，并用一定的手段将特征空间划分为互不重叠的子空间，然后将图像中的各个像元划归到各个子空间去。特征—能够反映地物光谱信息和空间信息并可用于图像分类处理的变量遥感影像分类基于统计的方法和基于规则的方法监督分类和非监督分类硬分类和软分类逐像元分类和面向对象分类分类标准按照逻辑准则组织的信息类别正确的分类学定义参考标准:美国规划协会的土地分类标准(LBCS)美国国家植被分类系统基于统计的分类方法遥感影像光谱特征分布特点遥感影像分类原理同类地物在相同的条件下（纹理、地形等）

2、，应具有相同或相似的光谱信息特征和空间信息特征，从而表现出同类地物的某种内在的相似性，即同类地物像元的特征向量将集群在同一特征空间区域；而不同的地物其光谱信息特征或空间信息特征将不同，集群在不同的特征空间区域。基于光谱特征的分类原理遥感图像计算机分类的依据是遥感图像像素的相似度。常使用距离和相关系数来衡量相似度。采用距离衡量相似度时，距离越小相似度越大。采用相关系数衡量相似度时，相关程度越大，相似度越大。监督分类和非监督分类监督分类法：选择具有代表性的典型实验区或训练区，用训练区中已知地面各类地物样本的光谱特性来“训练”计算机，获得识别各类地物的判别函数或模式，并以此

3、对未知地区的像元进行分类处理，分别归入到已知的类别中。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（即相似度的像元归为一类）的方法。遥感分类基本过程根据图像分类目的选取特定区域的遥感影像，考虑空间分辨率、光谱分辨率、成像时间、图像质量等。根据研究区域，收集与分析地面参考信息与有关数据。根据分类要求和影像的特征，选择合适的图像分类方法和算法。制定分类系统，确定分类类别。找出代表这些类别的统计特征测定总体特征，在监督分类中可选择具有代表性的训练场地进行采样。在非监督分类中，可用聚类等方法对特征相似的

4、像素进行归类，测定其特征。对遥感图像中各像素进行分类。分类精度检查。对判别分析的结果进行统计检验。非监督分类—特征空间图形识别图形识别分类就是对分类的地区事先完全不了解，计算机只根据人们规定的某些要求和阈值对图像进行分析，采用对图像逐行逐个像元相比较的无人管理分类方法。特征空间图形识别分类特点1．不能精确控制分类的类别数。2．当地物光谱响应是不重合的正态分布时是可行的，并且容易实现，但若特征分布出现交叠，则使用这种方法将产生较大的分类错误。3．该分类法的主要优点是简单、速度快。非监督分类—系统聚类1）将图像中每个像元看作一类，作为分类的初始值2）计算各类均值间的相关系

5、数矩阵R3）从已分类别中选取最邻近的两类进行合并4）重复步骤2-3，直到合并的新类之间符合分类的要求为止(各类间的相关系数小于阀值或是距离大于阀值）系统聚类法的局限性系统聚类过程中采用的统计量要视具体情况而定，但也可利用该特点结合不同统计量分类，提高准确性非监督分类—动态聚类动态聚类就是在开始时先建立一批初始中心，而让待分类的各个像元依据某些判决准则向初始中心凝聚，然后再逐步修改调整中心，重新分类；并根据各类离散性统计量和两类间可分离性的统计量再进行合并和分裂。此后再修改调整中心，这样不断继续下去，直到分类比较合理为止。监督分类需要事先确定训练场地和选择训练样本，训练

6、样本需要具有一定的代表性考虑到各种地物光谱辐射的复杂性和干扰因素的多样性，需要多考虑一些样本在某一地区建立起来的判别式只能适用于同一地区或地学条件相似的地区监督分类-训练样区选择与统计收集现场信息在屏训练数据多边形选择在屏训练数据的种子选择监督分类—训练样本的选取用于监督分类地训练场地应该是光谱特征比较均一的地区，一般在图像显示中根据均一的色调估计只有一类地物，而且一类地物的训练场地可选取一块以上。训练样本的数目至少要能满足建立分类用判别函数的要求，以克服各种偶然因素的影响，而对于光谱特征变化较大的地物，训练样本的数目要更多一些，以反映其变化范围。一般情况下，要得出可

7、靠的统计数据，每类至少要有10～100个训练样本数据。监督分类—训练样本的选取尽可能地利用一些已知的有用资料，来确定训练场地和训练样本。在使用各种图件资料时应注意以下两个方面：（1）各种图件的成图日期要尽可能地接近图像成像日期,以保证地物类别分类准确。（2）空间。要考虑到每一种地物类型随空间变化发生光谱特征变化的可能性，选择训练场地应当能够反映这种变化。在监督分类中由于训练场地是人为选取的，可能不包括所有的自然地物类别，因而分类后留下无类可归的像元。对于这种情况，有两种解决方法：一是将无类可归的像元组成一个未知类；二是按最近距离原则划归到各个已知类中