《遥感技术基础08》由会员分享，可在线阅读，更多相关《遥感技术基础08（20页珍藏版）》请在金锄头文库上搜索。
1、遥感技术基础,学年学期：2010-2011学年第一学期 学 院：测绘与地理科学学院 班 级：地理081-3班 教 师：李 玉,2018/9/29,1,课程内容 一、判读标志 二、判读方法 三、遥感图像自动分类,第八讲 遥感图像判读,2018/9/29,2,一、判读标志 直接标志 形状:建筑楼房、树冠、街道,第八讲 遥感图像判读,2018/9/29,3,大小:不少特定的地物目标不仅具有一定的形状，而且 具有一定的大小。形状与大小相结合成为鉴别这 些地物目标的可靠依据。,第八讲 遥感图像判读,2018/9/29,4,阴影 缺点：遮挡了信息 优点：高度信息、立体感,第八讲 遥感图像判读,2018/9
2、/29,5,色调,第八讲 遥感图像判读,2018/9/29,6,间接标志 纹理,第八讲 遥感图像判读,沥青 混泥土 草地 岩石,树皮 编织品 食物 金属 沙滩 瓷砖 水面,2018/9/29,7,空间位置,第八讲 遥感图像判读,2018/9/29,8,空间位置,第八讲 遥感图像判读,2018/9/29,9,二、遥感图像目视判读 原则 从应用目的出发，总体观察，全面分析图象特征。 坚持先易后难，由粗入细，由整体至局部的解译程序； 应充分利用各种解译标志，包括直接标志 和间接标志，相互补充，彼此验证； 随着遥感技术的发展，应尽可能利用多种遥感数据 （不同数据源、多时相遥感图象）进行的综合分析。,第
3、八讲 遥感图像判读,2018/9/29,10,方法 进行遥感图象目视解译时必须充分运用地物目标时空分布 的规律性，如气候、植被、土壤等景观要素的纬度地带性、经 度相关性、高度垂直带性、物候季节性等； 要密切注意各类地物目标之间的相关规律，有些规律现象 表现得比较稳定明确，如水平地带性、垂直带性等，有些现象 则具有随机性、不确定性和模糊（或过渡）性，例如地震（带） 的分布，土壤分布等受很多因素的影响； 只要坚持以遥感成像机理与专业知识、规律相结合的指导 思想，通过实践，不断探索和总结，就能归纳出具有相对普遍 性与稳定性的解译标志，并举一反三灵活应用这些解译标志进 行正确的解译。,第八讲 遥感图像
4、判读,2018/9/29,11,流程 准备阶段 收集资料 订购图象 必要时野外粗查 草拟解译标志 室内解译阶段 找出地物目标 勾绘分布界线 判断类别属性 测量长度大小。,第八讲 遥感图像判读,2018/9/29,12,野外阶段 实地验证 补充调查 总结阶段 整理资料 绘制图件 编撰报告 影响目视解译效果的因素 解译者专业知识水平 解译者经验积累 解译者对工作地区的了解 可供参考资料的多少,第八讲 遥感图像判读,2018/9/29,13,2018/9/29,14,人机交互式目视解译技术框图,第八讲 遥感图像判读,数字 图像,增强 处理,光学 图像,监视 屏幕,人机对话,初步 解译 了解 概况 野
5、外 检查 修改 计划,建立解译 标志进行 专题 业信 息解 译,结论,2018/9/29,15,三、遥感图像自动分类 计算机自动分类的基本步骤 对研究区相关基本情况的分析研究 确定分类方案 确定训练样本(监督分类) 图像预处理：纠正、特征选择、增强等 确定分类算法、分类 分类精度检验、评估 改进分类方法 输出分类结果,第八讲 遥感图像判读,2018/9/29,16,提高分类精度的途径 正确选取特征参数：有效地进行特征选择与提取 优化训练区：准确、有代表性 改进算法，充分利用影像几何信息 混合像元的分解 多源数据综合分析与应用 提高智能化水平：建立专家系统 （知识化、智能 化、自动化）,第八讲
6、遥感图像判读,2018/9/29,17,分类精度检验 分类精度的评价通常是用分类图与标准数据（图件或地面实测值）进行比较，以正确的百分比来表示精度。 采样方法 简单随机采样 分层采样 聚点或集群采样 误差矩阵与精度:指通过检验区，建立分类混淆矩阵。,第八讲 遥感图像判读,2018/9/29,18,分类混淆矩阵 用户精度：从分类结果中任取一个随机样本，其所具有的类型与地 面实际类型相同的条件概率。（错分误差）； 生产者精度（制图精度）：相对于地面获得的实际资料中的任意一 个随机样本，分类图上同一地点的分类结果与其相一致的条件概率 。（漏分误差） 总精度。,第八讲 遥感图像判读,2018/9/29
7、,19,Kappa Coefficient The Kappa coefficient expresses the proportionate reduction in error generated by a classification process compared with the error of a completely random classification. 设混淆矩阵中第 i 行所有列之和为 第 j 列所有行之和为 Kappa 系数表示为,第八讲 遥感图像判读,2018/9/29,20,举例主对角线上：xii = 35 + 37 + 41 = 113非主对角线上： x+i xi+ = 5039 + 4050 + 4647 = 6112 Kappa 系数： = (136113-6112)/(1362-6112) = 74.8 %,第八讲 遥感图像判读,
