《遥感数字图像计算机解译(200810)》由会员分享，可在线阅读，更多相关《遥感数字图像计算机解译(200810)（51页珍藏版）》请在金锄头文库上搜索。
1、1,第七章 遥感数字图像的计算机解译,第一节 遥感图像的计算机分类 第二节 计算机解译的主要技术发展趋势,2,第一节 遥感图像的计算机分类,计算机分类,遥感图像,分类结果图,概念:就是对遥感图像上的信息进行属性的识别和分类，提取地物信息的过程。,遥感图像解译,目视解译,计算机解译,3,一、分类原理,1、分类原理 分类依据是遥感图像像元光谱特征的相似度。常使用距离和相关系数来衡量相似度,距离越小相似度越大。 相关程度越大，相似度越大。,4,主要包括监督分类和非监督分类两种 1、监督分类 监督分类：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
2、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的方法。,二、遥感图像计算机分类方法,MSS图像,各类地物在5个波段的DN值,监督分类过程,7,1) 选择可以识别或可以断定其类型的像元建立模板 2) 必须对摸板进行评价,并结合实际分类对模板进行反复修改,监督分类常常用于对分类区比较了解情况下,要求用户控制,监督分类,8,监督分类的方法,（1）最小距离分类法 （2）最大似然比分类法 （3）多级切割分类法 （4）特征曲线窗口分类法,9,（1）最小距离分类法,用特征空间中的距离表示像元数据和分类类别特征的相似程度，根据距离最小（相似度最大）对像元数据进行分类的方
3、法。 空间距离的表示： 欧氏距离 标准欧氏距离 马赫拉诺皮斯距离,10,11,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。,（2）最大似然比分类法(Maximum Likelihood),12,监督分类的一般步骤,13,1）应用AOI绘图工具获取分类模板信息 利用Raster 工具面板多边形工具，在原图像上绘制多边形，在signature editor对话框中将其加载到signature 分类模板中。,选择训练样本建立分类模板,打开一幅图像，germtm.img Classification signature editor,应用AOI绘图工具获取分类模板信
4、息,15,16,Region growing properties 进行Neighborhood 属性设置。利用Region grow AOI选择种子点。 提示：AOI seed propertiesregion growing Properties 约束条件：Area确定最多的像元数； Distance确定包含像元距离种子点像元的最大距离。 Spectral euclidean distance,可以接收像元与种子点之间最大波谱欧式距离（两个像元在各个波段数值之差平方和的二次根）,2）应用AOI扩展绘图工具获取分类模板信息,17,应用AOI扩展绘图工具获取分类模板信息,18,19,模板评价E
5、valuating Signatures,分类模板建立后，应对其进行评价，确定分类结果精度。,20,Contingeney Matrix,可能性矩阵输出一个百分比矩阵，表明每个AOI训练区中有多少像元分别属于相应类别。,模板评价Evaluating Signatures,21,提示： 误差矩阵精度Image interpreterGIS analysis Clump 2）Sieve:对经Clump图像，按照定义数值大小，删除较小的图斑，赋0值。 MainImage interpreterGIS analysis Sieve 3）Eliminate:对经Clump图像，按照定义数值大小，删除较小
6、的图斑，合并到相邻最大的图斑。 MainImage interpreterGIS analysis Eliminate,分类后处理,24,类别统计分析,修改面积单位,25,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。,2、非监督分类,1,2,3,26,非监督分类的方法,（1）分级集群法用距离评价单个个体间的相似程度，根据距离最近原则判定并归类到同一类别中的方法。 （2）动态聚类法在初始状态给出图像粗糙的分类，然后基于一定原则在类别间重新组合样本，直到分类比较合理为止。,非监督分类一般步骤
7、,初始分类,专题判别,分类合并,色彩确定,分类后处理,色彩重定义,统计分析.,28,Main Classification Unsupervised classification 提示： 实际工作中将分类设为最终分类数的2倍以上。,初始分类,确定采用的距离,确定最终的类别数n,计算个体间的距离,找出距离最小的类别组,归并距离最小的类别,计算归并后新的个体间的距离,归并后的类别数,STOP,Y,N,基本过程,30,初始分类,M:最大迭代次数。T:收敛阈值.在迭代过程中,上次聚类中类型值未改变的象元所占的百分比。,31,32,Evaluate classification,1) 同时显示germt
8、m.ing和germtm_isodata.ing 提示:打开第2幅图时关闭clear display 2) 打开属性表调整字段和顺序 3）编辑类别颜色 4) 对比显示 提示：对比Utilityflicker/ Blend/ Swipe区别,专题判别,Raster attribute editor: Img属性表中对class names 和颜色进行编辑。,专题判别,34,Swipe,确定每一类别的专题信息,35,分类重编码 recode,分类合并,36,分类重编码 recode,主要应用于非监督分类，判断每个分类的专题属性，对相同和相近分类通过图像重编码进行合并。,分类合并,37,Postcl
9、assification processing,细碎图斑处理 1） Clump:计算分类图斑的面积，记录相邻区域中最大图斑面积。 MainImage interpreterGIS analysis Clump 2）Sieve:对经Clump图像，按照定义数值大小，删除较小的图斑，赋0值。 MainImage interpreterGIS analysis Sieve 3）Eliminate:对经Clump图像，按照定义数值大小，删除较小的图斑，合并到相邻最大的图斑。 MainImage interpreterGIS analysis Eliminate,分类后处理,38,类别统计分析,修改面积
10、单位,39,根本区别在于是否利用训练场地来获取先验的类别知识。 监督分类的关键是选择训练场地。训练场地要有代表性，样本数目要能够满足分类要求。 非监督分类不需要更多的先验知识，据地物的光谱统计特性进行分类。 当两地物类型对应的光谱特征差异很小时，分类效果不如监督分类效果好。,3、监督分类与非监督分类方法比较,40,三、图像分类中的有关问题,未充分利用遥感图像提供的多种信息 只考虑多光谱特征，没有利用到地物空间关系、空间位置、形状、纹理等方面的信息。,41,第二节 计算机解译的主要技术发展趋势,1、抽取遥感图像多种特征 低层次主要提取地物波谱特征的表征；中层次主要抽取和描述目标的形态、纹理等空间
11、特征；高层次主要抽取地物之间的空间关系特征。,2、逐步完成GIS各种专题数据库的建设，利用GIS数据减少自动解译中的不确定性,（1）对遥感图像进行辐射校正，消除或降低地形差异的影响； （2）作为解译的证据，增加遥感图像的信息量减少自动解译中的不确定性； （3）作为解译结果的检验数据，降低误判率。,3、建立适用于遥感图像自动解译的专家系统，提高自动解译的灵活性,专家系统：把某一特定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与解决问题，是代替专家解决专业问题的技术系统。,4、模式识别与专家系统相结合,模式识别 (PR)是指用计算机的方法 , 就人类对外部世界某一特定客体、
12、过程及现象的识别功能进行自动模拟。模式信息的形式和内容是十分广泛的 ,既可以是图形、图像 ,也可以是语音、语言文字或一般的电、声信息。,5、计算机解译新方法的应用,（1）人工神经网络(Artificial Neural Networks)在遥感图像识别中的应用。 （2）小波分析在遥感图像识别中的应用。 （3）分形技术在遥感图像识别中的应用。 （4）模糊分类方法遥感图像识别中的应用。,46,人工神经网络,人工神经网络是一种模拟人脑神经元细胞的网络结构，概括说来，人工神经网络具有以下主要特征：大规模的并行处理和分布式信息存储；具有良好自适应性和自组织性的非线性系统；较强的学习功能、联想功能和容错功
13、能，适合模拟人的形象思维。,47,小波分析,小波理论起源于信号处理。由于探测精度的限制一般的信号都是离散的，通过分析认为信号是由多个小波组成的，这些小波代表着不同的频率持征。小波函数平移、组合形成了小波函数库，通过小波函数库中区间的变化可以对某些感兴趣的频率特征局部放大，因此小波函数被称为数学显微镜。,48,小波分析方法的基本思想就是将图像进行多分辨率分解分解成不同空间、不同频率的子图像、然后再对子图像进行系数编码。基于小波分析的图像压缩实质上是对分解系数进行量化的压缩。目前，小波分析在遥感图像识别中的应用主要是在遥感图像压缩方面，也有人对小波理论在立体视觉中的应用进行了理论探讨，提出了基于“
14、小波变换”的多分辨率边缘检测方法和立体匹配方法，这对于应用计算机从立体像对中获取地面高程信息具有借鉴意义。,小波分析,49,分形技术,从几何形体上可以将遥感图像上的地物分为两大类：一类是具有规则的、边界光滑的“人造地构”，如建筑物等；另类是不规则、具有精细的结构成自相似待征的自然地物，如山脉、沙丘等。有人注意到，许多自然界的物体具有自相似特征由此联想到是否可以应用分形”技术对这些物体持征进行刻画。,50,目前，分形已成为一门分支学科。分形领域里的迭代函数系统，在计算机上可以生成各种各样图案，也可以用分形方法在汁算机上实现自然景物模拟。目前，分形方法在遥感图像数据压缩方面可以收到较好的效果 “分形”方法提取自然地物特征尚在研究之中，如利用自相似性的尺度函数刻画地物纹理结构特征。,分形技术,51,模糊分类,Zadeh于1965年提出模糊理论。该理论认为，在是与非之间存在中间状态，不确定性事物的归属度可以用概率方式表尔出它的模糊性及不确定性。在遥感图像的分类中，一些地物往往存公模糊边界，要明确地判定地物分类类别的边界是件很困难的字情。例如，影像中灌丛与草地边界的确定。对这种边界不明显的情况可通过模糊分类方法加以解决。,
