《遥感数字图像计算机解译.ppt》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.ppt（45页珍藏版）》请在金锄头文库上搜索。
1、第六章第六章 遥感数字图像的计算机解译遥感数字图像的计算机解译本章要点本章要点本章要点本章要点v遥感数字图像的性质与特点遥感数字图像的性质与特点v遥感数字图像的计算机分类遥感数字图像的计算机分类v遥感图像多种特征的抽取遥感图像多种特征的抽取v遥感图像解译专家系统遥感图像解译专家系统第六章第六章 遥感数字图像的计算机解译遥感数字图像的计算机解译v目视解译目视解译 v遥感图像计算机解译遥感图像计算机解译研究对象：研究对象：遥感数字图像技术支持：技术支持：计算机技术、地学分析技术、遥感图像处理技术、地理信息系统技术、模式识别与人工智能技术目的：目的：智能化获取地学专题信息基本目标：基本目标：目视解译
2、计算机解译优点：优点：可以快速获取地表不同专题信息，并迅速更新地理数据库基础工作：基础工作：计算机分类第六章第六章 遥感数字图像的计算机解译遥感数字图像的计算机解译v利用计算机对遥感数字图像进行解译的难度利用计算机对遥感数字图像进行解译的难度遥感图像是从遥远的高空成像，成像过程要受传感器、大气条件、太阳位置等多种因素的影响，影像中所提供的目标地物信息不仅不完全，且或多或少地带有噪音。遥感影像信息量丰富，与一般的图像相比，其包容的内容远比普通的图像多，因而非常“拥挤”，不同地物间信息的相互影响与干扰。遥感图像的地域性、季节性和不同成像方式更增加了计算机对遥感数字图像进行解译的难度。第一节第一节
3、数字图像的性质和特点数字图像的性质和特点1遥感数字图像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，由传感器探测到的地物电磁辐射强度决定。正像素：只包含一种地物的像素 混合像素：包含两种或两种以上地物的像素以数字形式表示的遥感影像2遥感数字图像的特点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第一节第一节 数字图像的性质和特点数字图像的性质和特点3遥感数字图像的表示方法遥感数字图像的表示方法 遥感数字图像以二维数组来表示。每个元素代表一个像素
4、，像素的坐标位置隐含，由该元素在数组中的行列位置决定，元素的值表示传感器探测到像素对应面积上的目标地物的电磁辐射强度。第一节第一节 数字图像的性质和特点数字图像的性质和特点遥感图像按照波段数量分为:二值数字图像：图像中每个像素由0或1构成，在计算机屏幕上表示为 黑白图像。一般是图像的中间处理结果。单波段数字图像:在某一波段范围工作的传感器获取的图像。彩色数字图像:由红、绿、蓝三个数字层构成的图像。多波段数字图像：传感器从多个波段获取的图像。多波段数字图像的三种数据格式BSQ格式(Band sequential)：按波段顺序依次排列BIP格式(Band interleaved by pixel)
5、：每个像元按波段次序交叉排列BIL格式(Band interleaved by line)：逐行按波段次序排列第一节第一节 数字图像的性质和特点数字图像的性质和特点空间采样： 先确定空间采样间距，再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个单元的像素集合。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。第一节第一节 数字图像的性质和特点数字图像的性质和特点4航空像片的数字化航空像片的数字化第二节第二节 遥感图像的计算机分类遥感图像的计算机分类v遥感图像计算机解译遥感图像计算机解译目的：目的：智能化获取地学专题信息最终目的：最终目的：实现遥感图像理解基
6、础工作：基础工作：计算机分类一、分类原理与基本过程一、分类原理与基本过程计算机遥感图像分类是统计模式识别技术统计模式识别技术统计模式识别技术统计模式识别技术在遥感领域中的具体应用。统计模式识别的关键是提取识别模式的一组统计特征值，然后按照一定准则作出决策，对数字图像予以识别。遥感图像分类遥感图像分类遥感图像分类遥感图像分类的主要依据是地物的光谱特征，即地物电磁波辐射的多波段测量值，这些测量值是遥感图像分类的原始特征变量，实际分类时往往采用对数字图像进行运算处理（如比值处理、差值处理、主成分变换等）后的亮度值。遥感图像分类即是对图像上每个像素按照亮度接近程度给出对应类别，达到大致区分遥感图像中多
7、种地物的目的。一、分类原理与基本过程一、分类原理与基本过程统计特征变量全局统计特征变量：全局统计特征变量：全局统计特征变量：全局统计特征变量：将整个数字图像作为研究对象，从整个图像中获取变量（如地物的光谱特征）或进行变换处理（如对TM的6个波段数据进行缨帽变换）后获取变量，利用这些变量对遥感图像进行分类。局部统计特征变量：局部统计特征变量：局部统计特征变量：局部统计特征变量：将整个数字图像分割成不同识别单元，在各个单元内分别抽取统计特征变量。特征提取特征提取特征提取特征提取概念：为利用少量特征进行遥感图像的地学专题分类，可以从遥感图像n个特征中选取k个特征作为分类依据（nk）。从从从从n n
8、个特征中个特征中个特征中个特征中选取选取选取选取k k个更有效特征的过程个更有效特征的过程个更有效特征的过程个更有效特征的过程。要求：选取的特征相对于其他特征更便于有效地分类，其选择根据经验和反复实验确定。作用：特征空间降维、数据压缩主要方法：多光谱变换（主成分变换、缨帽变换等）一、分类原理与基本过程一、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相似度相似度相似度（两类模式 之间的相似程度）。常使用距离距离距离距离和相关系数相关系数相关系数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。遥感图像计算机分类
9、方法监督分类法：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区中已知地面各类地物样本的光谱特性来“训练训练”计算机，获计算机，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。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
10、并（即相似度的像元归为一类）的方法。行归类合并（即相似度的像元归为一类）的方法。一、分类原理与基本过程一、分类原理与基本过程遥感数字图像计算机分类基本过程1.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。2.根据研究区域，收集与分析地面参考信息与有关数据。3.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。4.找出代表这些类别的统计特征5.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。6.对遥感图像中
11、各像素进行分类。7.分类精度检查。8.对判别分析的结果进行统计检验。二、图像分类方法二、图像分类方法 1、监督分类、监督分类分类过程：分类过程：学习过程：利用训练区样本建立“判别”函数判别过程：把待分像元代入判别函数进行判别训练样本的选择：训练样本的选择：种类上与待分区域类别一致在各类目标地物面积较大的中心选取。用最大似然法时，应符合正态分布样本数目应能够提供各类足够的信息和克服各种偶然因素的影响，最少要满足能够建立分类用判别函数的要求，具体数目与分类方法、特征空间为主、各类的大小和分布有关二、图像分类方法二、图像分类方法 1、监督分类、监督分类 （1）最小距离分类法：以特征空间中的距离作为像
12、素分类的依据。原理简单，计算速度快，但分类精度不高。 最小距离判别法：对遥感图像中每一类别选一个具有代表意义的统计特征值（均值），计算待分像元与已知类别之间的距离，将其归属到距离最小的一类。 Step 2 for eachunclassified pixel,calculate the distance toaverage for each trainingarea二、图像分类方法二、图像分类方法 1、监督分类、监督分类 （1）最小距离分类法 最近邻域分类法：在多波段遥感图像中，每一类别有多个统计特征值，计算待分像元到每一类中每个统计特征量间的距离，取其中最小的一个距离作为该像元到该类别的距离
13、，然后比较该待分像元到所有类别间的距离，将其归属到距离最小的一类。二、图像分类方法二、图像分类方法 1、监督分类、监督分类 （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。选取训练区，详细了解分类类别（总体）特征，并以较高的精度设定每个分类类别的光谱特征上限值和下限值，构成特征子空间；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中。多级切割分类法便于直观理解如何分割特征空间，待分像元与分类类别的对应关系。要求分割面与各特征轴正交，否则会出现误差。二、图像分类方法二、图像分类方法 1、监督分类、监
14、督分类 （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。特征曲线法的依据：相同地物在相同的地域环境及成像条件下，特征曲线是相同或相近的，不同地物的特征曲线差别明显。特征曲线窗口分类法的效果取决于特征参数的选择和窗口的大小。二、图像分类方法二、图像分类方法 1、监督分类、监督分类 （4）最大似然比分类法(Maximum Likelihood)Maximum Likelihood)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
15、征和自然界大部分随机现象一样，近似服从正态分布，利用训练区求出均值、方差和协方差等特征参数，从而求出总体的先验概率密度函数。各类别的训练数据至少是特征维数的2到3倍以上。二、图像分类方法二、图像分类方法 1、监督分类、监督分类 （4）最大似然比分类法(Maximum Likelihood)Maximum Likelihood)4、3、2假彩色合成图像监督分类结果（7类 ）二、图像分类方法二、图像分类方法 2、非监督分类、非监督分类前提：前提：遥感影像上同类物体在同样的条件下具有相同的光谱信息特征。方法：方法：聚类分析方法，把一组像素按照相似性归成若干类别，使属于同一类别的像素之间的距离尽可能小
16、，不同类别的像素之间的距离尽可能大二、图像分类方法二、图像分类方法 2、非监督分类、非监督分类 （1）分级集群法: 同类物体聚集分布在一定的空间位置上，它们在同样条件下具有相同的光谱信息特征；其他类别的物体应聚集分布在不同的空间位置。 不同地物的辐射特性不同，反映在直方图上会出现很多峰值及相对应的一些众数灰度值，图像上相对应的像元分别倾向于聚集在各自不同众数附近的灰度空间形成的很多点群。 分级聚群法采用距离作为相似度。 该方法分级进行，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。 二、图像分类方法二、图像分类方法 2、非监督分类、非监督分类 （1）分级集群法:确定评价各样本相似程度所
17、采用的指标（距离）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。 二、图像分类方法二、图像分类方法 2、非监督分类、非监督分类 （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。ISODATA（Iterative Orgnizing Data Analysize Technique）方法：1.按照某个原则选择一些初始类聚类中心2.计算像素与初始类别中心的距离，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在最小允
18、许值以下，该类别取消，总类别数减1。当类别数在一定范围内，类别中心间的距离在阈值以上，类别内的方差最大值在阈值以下时，动态聚类结束。否则通过类别的合并和分离，调整类别数据和中心间的距离，返回2，重复进行组合。4、3、2假彩色合成图像聚类结果（10类）二、图像分类方法二、图像分类方法3、监督分类与非监督分类方法比较、监督分类与非监督分类方法比较v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。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
19、类效果不如监督分类效果好。三、图像分类中的有关问题三、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、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. 三、图像分类中的有关问题三、图像分类中的有关问题2、提高遥感图像分类精度受到限制、提高遥感图像分类精度受到限制大气状况的影响大气状况的影响：吸收、散射。下垫面的影响：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：其他
20、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。第三节第三节 遥感图像多种特征的抽取遥感图像多种特征的抽取一、地物边界跟踪法1.1.点状地物与面状地物的边界跟踪点状地物与面状地物的边界跟踪2.2.线装地物信息检测与跟踪线装地物信息检测与跟踪二、形状特征描述与提取1.1.地物形状特征的描述地物形状特征的描述2.2.地物形态特征的提取地物形态特征的提取 三、地物空间关系特征描述与提取不同地物之间的空间关系：不同地物之间的空间关系：方位关系、包含关系、相邻关系、相交关系、相贯关系。空间关系特征提取与描述空间关系特征提取与描述（1）方位关系的提取（2）包含关
21、系特征提取与描述（3）相邻关系特征抽取（4）相交关系特征抽取（5）相关关系特征的提取第三节第三节 遥感图像多种特征的抽取遥感图像多种特征的抽取第四节第四节 遥感图像专家解译系统遥感图像专家解译系统 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。遥感图像解译专家系统的组成图像处理与特征提取子系统遥感图像解译知识获取子系统遥感图像解译专家系统的机理计算机解译的主要技术发展趋势 第四节第四节 遥感图像专家解译系统遥感图像专家解译系统一、遥感图像解译专家系统的组成一、遥感图像解译专家系统的组成1、图像处理与特征提取
22、子系统：包括图像处理、地形图数字化、精纠正、特征提取，结果存贮在遥感数据库内。2、遥感图像解译知识获取系统：获取遥感图像解译专家知识，并把专家知识形式化表示，存贮在知识库中。3、狭义的遥感图像解译专家系统。第四节第四节 遥感图像专家解译系统遥感图像专家解译系统二、图像处理与特征提取子系统二、图像处理与特征提取子系统1、图像处理：图像滤波可消除图像的噪声；图像增强可突出目标物体与背景的差异；大气纠正可消除大气散射、雾霁等影响；几何精校正后的数字影像可与专题图精确复合；2、分类与特征提取子系统 从图像中抽取光谱特征、图像特征和空间特征，为专家系统进行推理、判断及分析提供依据。 第四节第四节 遥感图
23、像专家解译系统遥感图像专家解译系统三、遥感图像解译知识获取子系统三、遥感图像解译知识获取子系统1、遥感图像解译知识获取系统的主要功能是知识获取.2、知识获取有三个层次:增加遥感解译新知识增加遥感解译新知识发现原有错误知识发现原有错误知识,修改或补充新知识修改或补充新知识根据解译结果根据解译结果,自动总结经验，修改错误知识自动总结经验，修改错误知识,增加新知识增加新知识.4、遥感图像解译描述性知识可以采用框架式方法表示框架知识表示方法的特点框架知识表示方法的特点5、过程性知识采用产生式规则知识表示方法产生式规则的特点产生式规则的特点第四节第四节 遥感图像专家解译系统遥感图像专家解译系统四、遥感图
24、像解译专家系统的机理四、遥感图像解译专家系统的机理1、遥感图像数据库包括遥感图像数据和每个地物单元的不同特征，由数据管理系统管理。2、解译知识库包括专家解译知识和背景知识，由知识库管理系统管理。3、推理机采用正向推理和反向推理相结合的方式进行遥感图像解译。 推理机具有两种运行形式 咨询式：用户和系统进行人机对话，解译系统根据用户提供的区域信息和任务要求，完成遥感图像解译。隐蔽式：解译过程中图像数据同解译知识的结合在专家系统内部进行。数据的传递、知识的调用都在系统内部独立完成第四节第四节 遥感图像专家解译系统遥感图像专家解译系统五、计算机解译的主要技术发展趋势五、计算机解译的主要技术发展趋势1
25、1、抽取遥感图像多种特征、抽取遥感图像多种特征 对高分辨率卫星图像的自动解译来说，一般分别对目标地物采用地、中、高三个层次进行特征抽取和表达。 低层次的对象是像素，每个像素对应的 数值是该地物波谱特征的表征； 中层次主要抽取和描述目标的形态、纹理等空间特征； 高层次主要抽取和描述识别目标与相邻地物之间的空间关系。第四节第四节 遥感图像专家解译系统遥感图像专家解译系统五、计算机解译的主要技术发展趋势五、计算机解译的主要技术发展趋势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 GIS数据库在计算机自动解译中发挥以下重要作用：（1）对遥感图像进行辐射校正，消除或降低
26、地形差异的影响；（2）作为解译的直接证据，增加遥感图像的信息量；（3）作为解译的辅助证据，减少自动解译中的不确定性；（4）作为解译结果的检验数据，降低误判率。第四节第四节 遥感图像专家解译系统遥感图像专家解译系统五、计算机解译的主要技术发展趋势五、计算机解译的主要技术发展趋势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 需要从以下两方面开展工作：建立解译知识库和背景知识库。 解译知识库是遥感图像解译认识和经验经形式化后记录在贮存 介质上的。背景知识库是有关遥感解译背景知识与经验的集合，以地学知识为主。 根据遥感图像解译的特点来构造专家系统。第四节第四节 遥感图像专家解译系统遥
27、感图像专家解译系统五、计算机解译的主要技术发展趋势五、计算机解译的主要技术发展趋势4、模式识别与专家系统相结合 既可以发挥图像解译专家知识的指导作用，在一定程度上为模式识别提供经验性的知识，又可以利用数字遥感图像本身提供的特征，有助于提高计算机解译的灵活性。第四节第四节 遥感图像专家解译系统遥感图像专家解译系统五、计算机解译的主要技术发展趋势五、计算机解译的主要技术发展趋势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。第六章第六章 复习题复习题名词解释名词解释 遥感数字图像遥感数字图像 监督分类监督分类 非监督分类非监督分类简答题简答题 1 遥感数字图像的特点；遥感数字图像的特点； 2 遥感图像的计算机分类主要有哪些方法，遥感图像的计算机分类主要有哪些方法，各自的原理是什么，主要区别是什么？各自的原理是什么，主要区别是什么？
