《白话遥感图像分类技术》由会员分享，可在线阅读，更多相关《白话遥感图像分类技术（54页珍藏版）》请在金锄头文库上搜索。
1、,白话遥感图像分类技术,背景,方法,问题,遥感能做什么,.,地理要素国土二调、水利普查、地理国情普查.,遥感图像分类概念, 遥感影像通过亮度值或像元值的高低差异（反映地物 的光谱信息）及空间变化（反映地物的空间信息）来 表示不同地物的差异，这是区分不同影像地物的物理 基础。 遥感影像分类就是利用计算机通过对遥感影像中各类 地物的光谱信息和空间信息进行分析，选择特征，将 图像中每个像元按照某种规则或算法划分为不同的类 别，然后获得遥感影像中与实际地物的对应信息，从 而实现遥感影像的分类，即遥感信息提取。,遥感图像分类遥感信息分类,定性（特征）信息地物类型。空间信息：分布、形状等。属性信息：周长、
2、面积等。,遥感图像分类遥感信息分类,定量信息地表物质的定量物理量和准确的空间位置，如叶面积指数、 气溶胶含量、水质参数等。,遥感图像分类遥感信息分类,其他信息地形信息。结论性信息（如图像中是否有这种物质等）。,方法,遥感数据的种类,光学遥感数据,合成孔径雷达 (SAR),激光雷达(LiDAR),非成像遥感数据,遥感信息,火灾信息,农作物长势,海水温度,幼林信息,土地利用,光学遥感图像处理与分析框架数据读取图像几何处理与地理编码 图像辐射定标与大气校正 图像增强、裁剪、镶嵌,遥感信息提取成果整理与输出,图像分类方法基于图像属性,人工解译,经验知识,专家知识决策树分类,经验总结,CART算法,C5
3、.0算法,面向对象图像分类,监督分类,规则决策树 分类,目视解译,光谱自动分类,灰度分割,非监督分类,监督分类统计学方法支持向量机神经网络,基于像素的图像分类,光谱自动分类灰度分割, 通常又称密度分割或彩色分割，应用于单波段灰度图像 的分类方法。假设灰度图像上某像元值范围内表示一种 物质，我们将这部分像元从图像上分离出来形成一类。 可用于如植被指数、地表温度、地形等数据的分类。,例子一：灰度分割,光谱分析+自动分类,图像准备,计算增强型水指数,灰度分割,光谱自动分类非监督分类,非监督分类：也称为聚类分析或点群分类。在多光谱图像中搜寻、定义其自然相似光谱集群的过程。,分类器选择,影像分类,ISO
4、DATAK-Mean其他,类别定义/类别合并,分类后处理,结果验证,影像分析,小斑处理 结果编辑,例子二：非监督分类,光谱自动分类监督分类,监督分类：又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。,分类器选择,样本选择,分类后处理,影像分类,结果验证,最大似然 最小距离 马氏距离 神经网络 支持向量机 其他,类别定义/特征判别,小斑处理 结果编辑,例子三：监督分类,+,DEM,+,+,+,RM,oadap,ZC,oningoverage,Landcover,Classification,陡坡上的植被,缓坡上的植被,高ft植被,公园用地,专家知识决策树分类根据光谱特征、空间
5、关系和其他上下文关系归类像元,例子四：专家知识决策树分类,规则获取：经验总结和样本总结规则描述Class1（缓坡植被）:NDVI0.3, slope0.3, slope=20 90=aspect0.3, slope=20, ,aspect270Class4（水体）：NDVI=0.3, 0b420Class5（裸地）：NDVI=20Class6（无数据区，背景）: NDVI=0.3, b4=0,面向对象图像分类技术,面向对象的技术集合临近像元为对象用来识别感兴趣的光谱要素。在“对象”的基础上，采用监督分类、规则分类、目视解译等方法得到分类结果。,例子五：面向对象图像分类,大蒜种植面积量测, 下载
6、与准备数据,图像融合,大气校正（可选）,图像裁剪山东济宁金乡县,大蒜种植面积量测, 建立解译标志,图像分割,小麦,大蒜,获取规则,自动分类,自动分类,大蒜种植面积量测,2016年大蒜种植分布75.77万亩,2015年大蒜种植分布69.28万亩,2014年大蒜种植分布75.2万亩,1天处理完成,基于像元和基于对象分类的区别,注：一种方法不能完全取代另一种，每种方法都有其适用范围,图像分类方法基于光谱分析,地物识别,波谱曲线对比,混合像元分解,线性模型,非线性模型,定量反演水质参数 植被Th物量大气参数 地表温度,高光谱遥感,高光谱分辨率遥感（HyperspectralRemoteSensing）
7、空间成像的同时，记录下成百个连续光谱通道数据光谱通道窄（小于10nm）而连续，从每个像元均可提取一条连续的光谱曲线,例子六：地物识别,firtree grass,遥感定量反演,遥感反演：根据观测信息和模型，求解或推算描述地面实况的应用参数。 遥感反演的基础是描述遥感信号 或遥感数据与地表应用之间的关 系模型。这种关系模型可以是遥 感模型和应用模型，包括统计型 和物理型。,图像预处理,反演模型选择,模型参数计算,地表参数反演,反演结果验证,例子七：水质参数反演,水体叶绿素,综合例子：遥感技术辅助城市建设生态规划,需求：从影像数据中提取水深、土壤肥力等信息水深：用于水Th态评价和植被的种植规划土壤
8、肥力：对湿地类型的分类和植被的种植规划,处理流程,数据读取,大气校正,正射校正,信息提取 水面区域提取 水深反演 土壤肥力反演,数据：2米WV-2多光谱数据数据读取：多个TIFF格式图像文件 大气校正：由于卫星传感器获取的观测 辐射亮度值是由大气、水体、陆地等综 合因素影响下获取的，为了去除大气、 水汽等因素的影响进行大气校正正射校正：LV2A级别的Worldview2数 据，提供RPC文件，直接使用RPC文件 进行正射校正信息提取- 面向对象图像分类提取水面区域- 水深反演模型和土壤肥力SOC反演模型,遥感图像预处理,打开.TIL文件，自动将多个TIF文件虚拟镶嵌为一个文件，方便处理,面向对
9、象工具FX提取城市水体信息提取,反演水深,城市土壤肥力反演,应用：颜值很重要,以上资源来源NASA、Esri制图大赛作品、网络等,应用：颜值很重要,以上资源来源NASA、Esri制图大赛作品、网络等,问题,遥感影像分类的困惑,预处理步骤的 选择,数据大、信息 丰富,样本区域性,光谱信息很重 要，识别难度 较大,遥感模型很重 要，甚至是核 心,需要频繁的人机交互,精度让人纠结,专家系统,什么情况需要做大气校正,一般图像分类、多光谱物质识别不需要大气校正变化监测根据检测方法有选择的大气校正光谱指数计算、高光谱物质识别、遥感定量反演一般需要大气校正,左：表观反射率数据，右：地表反射率数据,同一个像素
10、的波谱差异,图像增强,图像融合全色与多光谱融合处理真彩色合成/增强缺少蓝色波段传感器性能与拍摄区域其他去雾、去薄云图像变换（PCA，MNF、）,图像增强的选择,图像增强可以辅助目视解译、样本选择。基于光谱的自动分类是综合总体像元值，图像增强对 其影响不会很大。光谱指数计算、高光谱物质识别、遥感定量等不选择 图像增强处理。进行PCA、MNF等变换，主要是为了去相关方便选择端元波谱由于全色图像没有好的方法进行精确大气校正，因此在此领域一般不使用全色图像。,几个小问题,当图像为不规则时候，背景会参与分类分类结果输出别的格式，如TIFF，图像属性信息会变 化，如分类名称、颜色等信息。,ENVI新的分类
11、框架,可训练一个分类器，并将其运用于不同区域或时间段Support Vector MachineSoftmax在桌面软件或者企业级在线系统上都可以使用属于初级机器学习,例子：新分类框架应用,123032影像,123033影像,遥感图像分析新方法,Orbital Insight公司 计算机深度学习方法（人工智能） 基于海量遥感图像进行零售业景气评估、世界石油储 备指数、全球水资源储备、中国经济指数、农业等信 息Terrapattern公司、Connectivity Lab、DescartesLabs,遥感系统的发展,企业级遥感平台系统,遥感定制系统遥感桌面系统,新一代企业级服务器遥感平台,提供：
12、 在线影像数据,桌面,网页,移动,提供： 在线影像数据 在线影像处理,数据服务器,桌面,网页,移动,服务器影像处理以Services方式提供影像处理工具,新一代企业级服务器遥感平台,基于SOA架构灵活开发系统集成支持集群、云计算环境并行计算、多线程计算分布式计算弹性伸缩多客户端Web、移动、桌面,创新的ENVI企业级服务器产品：ENVI,服务器,Web应用,移动,其他,Services Engine组织、创建及发布先进的ENVI/IDL图像分析能力标准Rest服务，易于其他Web系统集成可部署在任何现有集群环境、企业级服务器或云平台中充分利用服务器端硬件资源快速处理和分析影像。在Web浏览器或移动设备在线、按需、自助式请求遥感服务桌面端,影像,模型,ENVI Services Engine应用：在线分析,演示系统软件框架,高性能处理环境,移动端,浏览器,应用端 JavaScript界面,应用服务开发,应用程序,ENVI Services Engine处理器,集群计算处理器,HTTP REST,正射校正温度反演变化检测水面积提取数据裁剪与下载,ArcGIS OnlineLandsat Image Service,文件系统Online Images Services,Web遥感服务平台应用,可以快速部署面向行业的遥感分析模型，终端用户可 以即时、在线、按需使用。,
