《遥感原理与应用2010_6》由会员分享，可在线阅读，更多相关《遥感原理与应用2010_6（55页珍藏版）》请在金锄头文库上搜索。
1、1第六章 遥感数字图像的计算机解 译本章要点v遥感数字图像的性质与特点v遥感数字图像的自动分类v遥感图像多种特征的抽取v遥感图像解译专家系统21、数字图像的性质和特点v遥感数字图像遥感数字图像是以数字表示的遥感图像,其最基本的单元是像素. 像素是成像过程的采样点,也是计算机处理图像的最小单元.像素 具有空间特征和属性特征.像素的属性特征采用亮度值来表达.（P82辐射分辨率）纯像素;混合像素31、数字图像的性质和特点二、遥感数字图像的特点便于计算机处理与分析图像信息损失少抽象性强41、数字图像的性质和特点三 .遥感数字图像的表示方法1. 遥感数字图像是以二维数组来表示的.51、数字图像的性质和特
2、点三 .遥感数字图像的表示方法2.遥感图像按照波段数量分为:1.单波段数字图像:SPOT 的全色波段.2.多波段数字图像:TM的7个波段数据.3.多波段数字图像的三种数据 格式1.BSQ格式(Band sequential)2.BIP格式(Band interleaved by pixel)3.BIL格式(Band interleaved by line)61、数字图像的性质和特点四.航空像片的数字化v空间采样：将航空像片具有的连续灰度信 息转化为每行有m个单元，每列有n个单元 的像素组合。v属性量化：可得到每个像元的数字模拟量 ，与航空像片中对应位置上的灰度相对应 。72、遥感图像的计算机分
3、类8一、分类原理与基本过程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。P194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。9统计可分性的量度（全局统计和局部统计）：(1) 空间距离 表示类与类之间的差异,通常用欧氏距离或马氏距离来描述。(P194)绝对值距离欧氏距离马氏距离10统计可分性的量度（全局统计和局部统计）：(1) 空间距离 表示类与类之间的差异,通常用欧氏距离或马氏距离来描述。(P194)绝对值距离欧氏距离马氏距离11(2) 相似系数 - 表示类与类之间的相似程度。混合距离结论：距离越大，相
4、似度越小；相似系数越大 ，相关程度越高，相似度越大。12一、分类原理与基本过程遥感数字图像计算机分类基本过程(P195)v根据图像分类目的选取特定区域的遥感数字图像，需考虑图像的空间 分辨率、光谱分辨率、成像时间、图像质量等。v根据研究区域，收集与分析地面参考信息与有关数据。v根据分类要求和图像数据的特征，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。v找出代表这些类别的统计特征v为了测定总体特征，在监督分类中可选择具有代表性的训练场 地进行采样，测定其特征。在非监督分类中，可用聚类等方法 对特征相似的像素进行归类，测定其特征。v对遥感图像中各像素进行分类。v分类精度检查。v对判
5、别分析的结果进行统计检验。13v遥感图像计算机分类方法(P195)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。14二、图像分类方法1、监督分类（1）、最小距离分类法Step 2 for each unclassified pixel, calculate the distanc
6、e to average for each training area15二、图像分类方法1、监督分类（1）、最小距离分类法最近邻域分类法 Nearest NeighbourNearest Neighbour 。Defines a typical pixel for each class Defines a typical pixel for each classvvAssigns pixels on the basis of spectral distanceAssigns pixels on the basis of spectral distancevvCan separate dive
7、rse classesCan separate diverse classesvvBoundary problems remain unresolvedBoundary problems remain unresolved16（1）最小距离分类法vP196它是以特征空间中的距离作为像素分类 的依据，包括最小距离和最近邻域。v最小距离判别法要求对遥感图像中每一个类 别选一个具有代表意义的统计特征量（均值 ），首先计算待分像元与已知类别之间的距 离，然后将其归属于距离最小的一类。17最小距离法示意图18最近邻域分类法vP197在多波段遥感图像中，每一类别具有多 个统计特征量。最近邻域分类法首先计算
8、待 分像元到每一类中每一个统计特征量的距离 ，这样，该像元到每一类都有几特征值，取 其中最小的一个距离作为该像元到该类别的 距离，最后比较该待分像元到所有类别间的 距离，将其归属于距离最小的一类。分类精 度不高，计算速度快。19（2）多级切割分类法vP197通过设定在各轴上的一系列分割点，将 多维特征空间划分成分别对应不同分类类别 的互不重叠的特征子空间的分类方法。对于 一个未知类别的像素来说，它的分类取决于 它落入哪个类别特征子空间。如落入某个特 征子空间，则属于该类，如落入所有特征子 空间之外，则属于未知类别。多波段图像分 类前先进行主成分变换，然后进行多级分割 。20（3）最大似然比分类
9、法（ MLC）vP198是通过求出每个像素对于各类别的归属 概率，把该像素分到归属概率最大的类别中 去的方法。v前提：假定训练区各地物的光谱特征服从正 态分布，利用训练区可求出均值、方差、协 方差等特征参数，从而可求出总体的先验概 率密度函数。当总体不符合正态分布时，不 宜采用MLC。21设从类别k中观测到x的条件概率为 p(x|k)，则归属概率Lk为归属概率是指对于待分像元x，它从属于分类 类别k的后验概率。P198式6.8和6.922+ + + + + +AB波段1波段2Amin1Amax1Amax2Amin2Bmin1Bmax1Bmin2Bmax2平行算法示意图23特征曲线是地物光谱特征
10、曲线参数构成的曲线 。以特征曲线为中心取一个条带，构造一个窗口 ，凡是落在此窗口内的地物即被认为是一类， 反之，则不属于该类。（4）、特征曲线窗口分类法24监督分类 小结(1) 概念: 监督是指人为干预下的训练样本选取过程。依据训练样本的亮度特征建立“判别函数”，进行预分类；再依据预分类结果，调整训练样本，再分类，取得好的分类结果的过程，称为监督分类。(2) 训练区的实际意义: 获得建立判别函数所必须的统计量。这些统计参数包括- 均值、方差、协方差。(3) 监督分类的关键- 训练样本的选取、样本数:如果特征空间( 波段数 )的维数是n，则预分类的样本数一定要 n+1 ,甚至可以达到3n 。B、
11、代表性:训练样本应该反映该类地物的亮度特征；且需注意同类地物空间分布的不连续性。 (如多块同类样本都要选取)25、亮度分布：从亮度特征角度而言，对于同一类地物具有不同亮度特征情况，通常都要选取（同物异谱）。、纯度的把握：一般来说，在已知类别的中间部位较高；如果过纯，则方差过小，导致许多此类地物的像元被拒分；如果不纯，则方差过大，导致不是此类地物的像元被分到该 类别中，导致出现“错分”的情况；把握纯度的方法：读像元的亮度值，确定该类地物的亮度分布区间；同时，注意其它地物亮度值与其近似部分的像元亮度分布区间，依“错分损失最小”的原则，确定“分类界限”。 26( P199 )(1)前提：假定遥感影像
12、上同类地物在同样条件下具有相同的光谱特征。(2) 分类原理：不必对影像地物有先验知识，仅依据影像上各类地物光谱信息（或纹理信息 ）进行特征提取，再统计特征的差别来达到分类 的目的，最后对已分出的各个类别进行确认。非监督分类27同类地物有其一定的聚集空间，多个类别在 直方图上有很多峰值及对应的众数灰度值，在 不同众数附近的灰度空间形成的点群，叫集群 。分级集群方法是采用距离评价各样本（每个 像元）在空间分布的相似程度，把它们的分布 分割或合并成不同的集群。每个集群是什么地 类，要根据地面调查或已知类型的数据比较后 确定。1）分级集群法P19928分级集群法的分类过程 ： 1）确定各样本相似程度采
13、用的指标，如距 离、相关系数等。2）初定分类总数n；3）计算样本间的距离；根据距离最近原则 判定样本归并到不同类别；4）归并后的类别作为新类，与其余类重新 组合，然后再计算并改正其距离。在达到所 要分类的最终类别前，重复样本间相似度的 评价和归并，直到所有的像素都归入到各类 别中去。292）动态聚类法P200是在初始状态给出图像粗糙的分类，然 后基于一定的原则在类别间重新组合样本，直 到分类比较合理为止。 ISODATA动态聚类法的分类过程：1）按照某个原则选择初始聚类中心。规定 每一类别最小像元数，规定迭代次数。M为图像平均值，k=1,2,n，n为 类总数。Xk为类中心。302）计算像素与初
14、始类别中心的距离，把 该像素分配到最近的类别中。3）计算并改正重新组合的类别中心，如 果重新组合的像素数小于最小允许值，则 取消该类，总数减1。当类别中心距离小 于阈值，类间距离大于阈值，聚类完成。举例：如图像灰阶为256，最大值为225，最 小值为0，标准差为43，图像均值为108，按 isodata方法，该图像分成6类，中心像元值各 是多少？31非监督分类与监督分类 的结合通常非监督分类做为监督分类的前导；如果监督分类的最终结果要类，那么做非监督分类时致少要类。以此保证分类的纯度，因为方差小，错分的可能性也小。分层分类(或决策树)逐层次地建立特征空间，逐步分类，达到预期的 分类目的。一般来
15、说，分层分类的识别精度较高。32非监督分类与监督分类的比较P201区别：是否利用训练场地获取知识优缺点：监督分类精度相对高，方法复 杂；非监督分类精度低，方法简单。33图像分类的有关问题(P201)v1、未充分利用遥感图像的多种信息(仅光谱 特征，空间关系、形状、大小等未用)v2、提高遥感图像分类精度受到限制：大气状况(辐射纠正)下垫面的影响(几何纠正)其他影响344、遥感图像多种特征的抽取 1)地物边界跟踪法点状地物线状地物面状地物边界跟踪：是在遥感图像分类的 基础上进行的。(图6.5-图6.6)形状特征和空间关系特征抽取35v1)对数字图像进行增强处理；v2)对图像进行二值化处理(黑白或0
16、1)；v3)将图像中的像元分为线状地物与背景；v4)噪声去除从而获得初始线状地物图。v5)逐行扫描，寻找代表线状地物的像素，根 据像素的多寡，计算线状地物的宽度；v6)剥皮细化留下骨干像素；v7)重复5-6步线状地物信息检测与跟踪36地物形状特征的描述1)周长P或线状地物的长度P：2)面积S：3)线状地物的曲率C：4)面状地物的形状系数F：(式6.18)37地的空间关系特征描述1)方位关系：指两物体之间方向与位置的相对关系。以一 个物体为中心，描述另一个物体位于它的哪一个方向上， 距离它有多远。(图6.8)2)包含关系或(内部相离)：一个物体位于另一个物体内部 ，并且边界不相邻。(图6.9)3)相邻关系：指两个地物在边界上相邻。(图6.10)4)相交关系：两个地物在一点上交汇。(图6.11)385、遥感图像解译专家系统v专家系统：Expert System,简称ES。是把某 一领域的专家知识与经验形式化后输入到计 算机中，由计算机模仿专家 思考问题和解决 问题，
