《遥感原理与应用_第5章_2遥感影像解译-遥感影像计算机自动分类讲义》由会员分享，可在线阅读，更多相关《遥感原理与应用_第5章_2遥感影像解译-遥感影像计算机自动分类讲义（55页珍藏版）》请在金锄头文库上搜索。
1、S O U T H W E S T J I A O T O N G U N I V E R S I T Y S W J T U 遥感原理与遥感原理与应应用用 Remote Sensing Principle and ApplicationRemote Sensing Principle and Application S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 遥感物理基础 遥感平台特点 遥感传感器 影像处理基础影像几何处理影像辐射处理 遥感影像
2、判读 影像识别分类 遥感技术应用 遥感系 统 影像处 理 遥感应 用 影像处理 遥感 遥 感 原 理 与 应 用 课 程 框 架 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 遥 感 影 像 解 译 遥感影像人工目视视解译译 遥感影像计算机自动分类 分类后处理及精度评价、分类新方法 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4
3、 3 3 2 2 1 1 遥 感 影 像 计 算 机 自 动 分 类 计算机自动分类的内涵 遥感影像模式识别基础知识 遥感影像分类方式 监督分类 非监督分类 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 计算机自动分类是利用计算机模式识别技术来模拟人 类的识别功能,对地球表面及其环境在遥感图像上的信 息进行属性的自动判别和分类，达到提取所需地物信息 的目的。 计 算 机 自 动 分 类 的 内 涵 S W J T U C o p y r i g h
4、 t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 图像分类实际上是将图像中每个像元点或区域归属于若干 个类别中的一类，或若干个专题要素中的一种，即完成将图 像数据从灰度空间转换到目标识别模式空间的工作。 分类结果：是将图像空间划分为若干个子区域，每个子区 域代表一种实际地物。 计 算 机 自 动 分 类 的 内 涵 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1
5、 1 分类过程理解 计 算 机 自 动 分 类 的 内 涵 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 计计算机分类类是模式识别识别 技术术在遥感技术领术领 域的具体应应用 。 模式识别可对对一系列过过程或时间进时间进 行分类类描述，识别时识别时 将具有某些相似性质质的事件分为为一类类。 目前遥感图图像自动动分类类主要采用决策理论论(统计统计 )方法。 统计模式识别需要从被识别识别 的对对象（模式）中提取一 些反映对对象属性的度量特征（变变量），
6、把它定义义在一 个特征空间间中，然后利用统计统计 决策的原理对对特征空间进间进 行划分，以区分不同特征的对对象达到分类类目的。 计算机自动分类的原理 计 算 机 自 动 分 类 的 内 涵 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 模式 ？ 特征 ？ 统计统计 原理进进行决策 ？ 待分类类的遥感影像像元 解译标译标 志 人工解译过译过 程 人工解译与计算机自动分类类别 计 算 机 自 动 分 类 的 内 涵 S W J T U C o p y
7、r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 模式识别例子-人脸识别计 算 机 自 动 分 类 的 内 涵 返回本节首页 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 （1）直接标志 光谱特征向量：同名地物点在不同波 段图像中亮度的观测量构成一个多维的 随机向量 X，称为光谱特征向量。即 n图图像波段总总数； v j= 地物图图像点在第
8、i 波段图图像中的亮 度值值。如 TM 图图像上任一个点有 TM1, TM2, TM3, TM4, TM5, TM6, TM7。 V = v1, v2, , vn 特征向量 ？ 遥 感 影 像 模 式 识 别 基 础 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 （1）直接标志 光谱谱特征空间间(Spectral Feature Space)：所有波段的 亮度轴构成的直角坐标空间，同类地物具有聚类(Clustering)的效 应。 光谱特征空间及地
9、物聚类遥 感 影 像 模 式 识 别 基 础 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 （1）直接标志 地物在特征空间中的聚类情况 理想情况 典型情况 一般情况 遥 感 影 像 模 式 识 别 基 础 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 （1）直接标志 谱距离-欧式距离 二波段散点图 （s
10、catterplot） SD = 谱谱距离 n = 波段数 (维维数) di = 某一像素在波段 i 的像素值值 ei = 另一像素在波段 i 的像素值值 两像素间的谱距离 (spectral distance)： 遥 感 影 像 模 式 识 别 基 础 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 （1）直接标志 如果两个像素之间间的谱谱距离越小，说说明两者在光谱谱特征 空间间中越接近，因此，在利用光谱谱特征对这对这 个两个像素 进进行分类时类时
11、 ，它们们被计计算机判定为为同一地物类别类别 的概率 将很高。 但是遇到同谱谱异物就会出现错现错 分，例如水体和阴影。因 此，在实际实际 利用计计算机进进行自动动分类类的时时候，在考虑虑构 建光谱谱特征空间间的同时时，还还会同时时考虑虑综综合利用像素之 间间的空间间关系、纹纹理、结结构布局等空间间特征维维来提升分 类类的精度。 谱距离的理解 遥 感 影 像 模 式 识 别 基 础 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 （1）直接标志 遥感影
12、像统计特征 设某一波段上一组像素值 均值值 (Mean) 方差 (Variance) 实实用公式 标标准偏差(Standard Deviation) 遥 感 影 像 模 式 识 别 基 础 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 RedRed BlueBlue 最小值最小值=65 =65 最大值最大值=255=255 平均值平均值=155.4 =155.4 标准偏差标准偏差=31.9=31.9 Color ImageColor Image S
13、ize=331 x 331Size=331 x 331 GreenGreen 最小值最小值=34 =34 最大值最大值=250=250 平均值平均值=159.2 =159.2 标准偏差标准偏差=43.5=43.5 最小值最小值=53 =53 最大值最大值=246=246 平均值平均值=160.1 =160.1 标准偏差标准偏差=36.4=36.4 遥 感 影 像 模 式 识 别 基 础 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 正态态分布(No
14、rmal Distribution) 遥 感 影 像 模 式 识 别 基 础 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 协协方差 (Covariance) 设某一波段上一组像素值 设另一波段上一组像素值 实实用公式: 遥 感 影 像 模 式 识 别 基 础 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1
15、1 波段间协间协 方差矩阵阵 (Covariance Matrix) 协协方差矩阵阵是对对称的(symmetrical)，如 CovBA=CovAB 一个波段数据与自身间间的协协方差就是方差 遥 感 影 像 模 式 识 别 基 础 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 三个波段间的协方差矩阵三个波段间的协方差矩阵 (Covariance Matrix)(Covariance Matrix) 1889.728 1889.728 1529.68
16、8 1529.688 1232.449 1232.449 1529.688 1529.688 1320.429 1320.429 1086.502 1086.502 1232.449 1232.449 1086.502 1086.502 1012.213 1012.213 遥 感 影 像 模 式 识 别 基 础 S W J T U C o p y r i g h t 2 0 1 5, G u o l i n C a i & L i S h e n 7 7 6 6 5 5 4 4 3 3 2 2 1 1 特征变换变换 u 概念：将原始图图像通过过一定的数字变换变换 生成一组组新的特 征图图像，这这一组组新图图像信息集中在少数几个特征图图像上 。 u 目的：数据量有所减少，去相关，有助于分类类。常用的 特征变换变换 ：主分量变换
