第六章、RS数字图像计算机解译

《第六章、RS数字图像计算机解译》由会员分享，可在线阅读，更多相关《第六章、RS数字图像计算机解译（49页珍藏版）》请在金锄头文库上搜索。

1、第六章、RS数字图像计算机解译,RS数字图像计算机解译以遥感数字图像为研究对象，在计算机系统支持下，综合运用地学分析、RS图像处理、GIS、模式识别与人口智能技术，实现地学专题信息的智能化获取。 主要内容 遥感数字图像的性质与特点 遥感数字图像的自动分类 遥感图像多种特征的抽取 遥感图像解译专家系统,6.1 RS数字图像的性质与特点,一. RS数字图像 1. RS数字图像：是以数字形式表示的遥感影像 2.像素：即象元,是数字图像最基本的单元,是成像过程的采样点. 像素具有空间特征和属性特征. 像素的空间特征以坐标值来表达;属性特征采用亮度值来表达. 正像素;混合像素 2. RS数字图像的特点

2、便于计算机处理与分析 图像损失信息低 便于建立分析模型，进行计算机解译和运用RS图像专家系统,二、RS数字图像的表示方法 用二维数组来表示行列表 三. 航空像片的数字化 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。 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。,6.2 RS数字图像的计算机分类,RS数字图像计算机解译的主要目的是将遥感图像的地学信息获取发展为计算机支持下的遥感图像智能化识别，其最终目的是实现遥感图像理解，而其基础工作是遥感数字图像的计算机分类。,遥感数据,专题信息,遥感数据,分类信息,一、分类原理与基本过程

3、,1.计算机RS图像分类是统计模式识别技术在RS领域中的具体应用。 统计模式识别的关键是提取待识别模式的一组统一特征值，然后按照一定准则付出决策，从而对数字图像予以识别。 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。 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。,2.分类过程中采用的统计特征变量, 全局统计特征变量：即将整个数字图像作为研究对象，从整个图像中获取或进行变换处理后获取变量，如地物光谱特征，TM的6个波段进行k-l变换获得亮度特征。 局部特征变量：是将图像分割成不同识别单元，在各个单元内分别抽

4、取的统计特征变量，如：纹理是某一区域中近乎周期性的种类，方式重复具自身局部基本模式的单元，因此可以利用矩阵作为特征对纹理进行识别。,3. 特征提取,即从RS图像的几个特征中选取k个特征作为分类依据，把以几个特征中选取k个更有效特征的过程，称为特征提取。,4. RS图像相似度的衡量 （RS图像相似度的衡量是RS图像计算机分类的依据，相似度是两类模式之间的相似程度） 绝对值距离 欧氏距离 马氏距离(Mahalanobis)，既考虑离散度,也考虑到各轴间总体分布的相关(协方差) 混合距离 相关系数，相关系数是指像素间的关联程度,5.RS图像的计算机分类方法, 监督分类：首先需要从研究区域选取有代表性

5、的训练场地作为样本，根据已知训练区提供的样本，通过选择特征参数（如像素亮度均值，方差等），建立判别函数，据此对样本像元进行分类，依据样本类别的特征来识别非样本像元的归属类别。 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，主要根据像元之间相似度的大小进行归类合并（将相似度大的像元归结一类）的方法。,6.RS图像计算机分类的基本过程,(1) 根据分类的目的及所需解决的问题选取特定区域的RS数字图像（即考虑：空间分辨率、光谱分辨率、成像时间、图像质量） (2) 根据研究区域，收集与分析地面参考信息与有关数据 (3) 选择、比较各种分类方法，选择合适的图像分类方法和

6、算法，根据应用目的及图像数据特征判定分类系统 (4) 找出代表这些类别的统计特征 (5) 测定其特征（监督、非监督） (6) 像素分类 (7) 分类精度检查 对判别分析的结果统计检验,6.3统计模式识别的概念和基本问题,不同的地物在同一波段图像上表现的亮度一般互不相同，不同地物在各个波段图像上的亮度呈现规律也不同。 同名地物点在不同波段图像中的观测值将构成一个多维的随机向量，称为光谱特征向量。 统计模式识别的基本概念 每个地物点在各波段所具有的亮度值可以在多维光谱特征空间中找到一个相应的光谱特征点。特征点在特征空间中形成一系列的分布群体，可以划归一个类别，最后找到各个分布群体的边界线或确定任意

7、特征点落入每个群体中的条件概率，并以他们为判据来实现特征点的分类。,特征点集群在特征空间中的分布大致可以分为以下三种情况。 1 理想情况 不同类别地物的集群至少在一个特征子空间（即某一波段图像）中的投影（亮度范围或一维直方图分布范围）是完全相互区分开的。 2 典型情况 不同类别地物的集群，在任一子空间中都有相互重叠的现象，但在总的特征空间中却是完全区分的。在多维特征空间中才可能实现精确的分类。 3 一般情况 无论在总的特征空间中，或在任一子空间中，不同类别的集群之间总是存在有重叠现象。重叠部分的特征点所相应的地物，在分类时总会出现不同程度的分类误差。,遥感图像的计算机分类过程中，我们关心的是不

8、同类别间的可分离性（决定于各类集群的分布情况、采用的分类准则） 分类器的选择与分类的随机变量的选择有关。随机变量的选择问题是图像模式识别的关键问题。,6.4 非监督分类和监督分类,一、非监督分类 1、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，主要根据象元间相似度的大小进行归类合并（将相似度大的像元归结一类）的方法。 非监督分类是不用训练样本进行先学习后分类的一种方法，这种方法可以根据分类判别准则进行无人管理的自动分类。 分类结果只是对不同的类别达到了区分，但并不确定类别的属性。,2、非监督分类算法的核心问题是初始类别参数的选定，以及迭代调整问题。 初始类别

9、参数的选定 初始类别参数：基准类别集群的中心，集群分布的协方差矩阵 （1）像素光谱特征相似性顺序比较法 （2）总体直方图均匀定心法 （3）最大最小距离选心法 （4）局部直方图峰值定心法 迭代自组织数据分析技术ISODATA（Iterative Self-Organizing Data Analysis Technique(A) 聚类、集群的分裂和集群的合并,3、非监督分类方法,（1）、分级集群法 确定评价各样本相似程度所采用的指标 初定分类总数； 计算样本间的距离，据距离最近的原则判定样本归并到不同类别； 归并后的类别作为新类，与剩余的类别重新组合，然后再计算并改正其距离。,分级集群方法的特点

10、,是分级进行的，可能导致对一个像元的操作次序不同，得到不同的分类结果。这是该方法的 缺点。,（2）、动态聚类法（ISODATA） 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。,TM432彩色合成,分类结果分成10类,二、监督分类,1、监督分类：首先需要从研究区域选取有代表性的训练场地作为样本，根据已知训练区提供的样本，通过选择特征参数（如像素亮度均值，方差等），建立判别函数，据此对样本像元进行分类，依据样本类别的特征来识别非样本像元的归属类别。 2、监督分类的方法 （1） 最小距离分类法 最小距离判别法 最近领域分类法 （2） 多级切割分类法 （3

11、） 特征曲线窗口法 （4）最大似然比分类法,3、监督分类步骤 “训练区”的选择 监督法分类 分类结果的类别数和类别属性都是固定的，由训练区中的先验类别数及类别属性所规定。,监督分类方法,（1）、最小距离分类法,Step 2 for each unclassified pixel, calculate the distance to average for each training area,最小距离分类法,最近邻域分类法 Nearest Neighbour,Defines a typical pixel for each class Assigns pixels on the basis o

12、f spectral distance Can separate diverse classes Boundary problems remain unresolved,（2）、多级切割分类法 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字空间的分类方法。 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字空间中。,（3）、特征曲线窗口分类法 特征曲线是地物光谱特征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）、最大似然比分类法(Maximum Likel

13、ihood) 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。 假定训练区地物的光谱特征和自然界大部分随机现象一样，近似服从正态分布。,Maximum Likelihood Defines a typical pixel for each class Calculates the probability that each pixel in the image belongs to that class Maps classes on the basis of confidence levels Boundary problems resolved,（4）、最大

14、似然比分类法(Maximum Likelihood),TM543彩色合成,分成7类后的结果,三、监督分类与非监督分类方法比较,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。此为监督分类的不足之处。工作相对量大，但精度相对较高。 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。工作相对量小，但精度相对较低。,四、图像分类中的有关问题,1、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、图像中提供的形状和空间

15、位置特征等方面的信息。 统计模式识别以像素为识别的基本单元,未能利用图像中提供的形状和空间位置特征,其本质是地物光谱特征分类.水体的分类. 大气状况的影响：吸收、散射。 下垫面的影响：下垫面的覆盖类型和起伏状态对分类具有一定的影响。 其他因素的影响：云朵覆盖；不同时相的光照条件不同，同一地物的电磁辐射能量不同；地物边界的多样性。,2、提高遥感图像分类精度受到限制,6.5 遥感图像特征的抽取,一、空间地物的抽象 点状地物： 线状地物： 面状地物： 点、线、面的分类是相对的，根据精度需要和 空间分辨率而定 二、地物边界跟踪法 点状地物与面状地物的边界跟踪 线装地物信息检测与跟踪,二、形状特征描述与

16、提取 1、地物形状特征的描述 链码、 行程编码、 块式编码、 四叉数编码 2、地物形态特征的提取 周长 面积,链式编码,链式编码为：0，1，22，3，02，1，0，3，0，1，03，32，2，33，02，1，05，32，22，3，23，3，23，1，22，1，22，1，22，1，22，13,链码的编码方法： 1.基本方向的定义： 东0 南 3 西2 北1 2.起点像元的定义： 以区域的行、列号最小的像元为原点 3.搜索边界以顺时针方向,其他编码方式：,行程编码：三元组的形式（起始列号、灰度值、该灰度值的像元个数）按行记录 块式编码：块的原点、块的大小、灰度值 四叉数编码：将区域按四个同样大小的象限四等分，直到子象限只含一种属性代码。, 6.6 地物空间关系描述与提取,一、空间关系描述： 1.方位关系 距离关系 方向关系 2.包含关系 3.相邻关系 4.相交关系（点与线、线与线） 5.相贯关系（线与面）,二、空间关系的提取,1.方位关系提取：计算空间距离 2.包含关系提取：射线法 3.相邻关系提取：分割线段 4.相交关系提取：（点与线、线与线） 5.相贯关系提取：分割线段,