遥感数字图像处理教学-文档资料

发布于:2021-06-23 01:05:33

第六章 遥感数字图像的计算机分类 主要内容 ? 分类的基本原理 ? 分类的方法 ? 分类的工作流程 ? 非监督分类方法 ? 监督分类方法 ? 图像分类的相关问题 6.1 遥感图像计算机分类的基本原理 6.1.1 概 述 1)遥感图像的解译方法 ? 目视解译 ? 计算机解译 同类地物在相同的条件下(光照、地形等)应 该具有相同或相似的光谱信息和空间信息特征。不同 类的地物之间具有差异。根据这种差异,将图像中的 所有像素按其性质分为若干个类别(Class)的过程 ,称为图像的分类。 遥感图像的计算机分类就是针对原始遥感 影像或各种变换处理之后的图像,在计算机技 术的协助下,采用决策理论或统计方法等对变 量特征空间进行地物属性的识别和划分等达到 图像分类的目的。 遥感图像分类是依据计算机的解译为主的信息分类方式。 6.1.1 概述 2)光谱特征 6.1.2 计算机分类的基本原理 遥感图像分类的主要依据就是地物的光谱特 征的相似程度。 遥感图像分类以每个像素的光谱数据为基础 进行的。 即:分类则就是对图像上每个像素按其亮度接 *程度给出对应类别,达到大致区分图像中多种地 物的目的。 6.2 分类处理的基本方法 1)根据是否需要分类人员事先提供已知类别及其训练样本, 对分类器进行训练和监督,可将遥感图像分类方法划分为: 监督分类和非监督分类。 事先已经知道类别的部分信息(即类别的先验知识),对未知 类别的样本进行分类的方法称之为监督分类(Supervised Classification)。 事先没有类别的先验知识,对未知类别的样本进行分类的方法 称之为非监督分类(Unsupervised Classification)。 2)根据分类使用的统计数学方法可以分为:随机统计方法和 模糊数学方法分类。 前者以随机数学理论为基础,包括 K-均值分类、最大相似性 分类等。后者以模糊数学理论为基础,主要是模糊分类。 监督分类就是首先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 过选择特征参数来建立判别函数,据此对样本像元 进行分类,再依据样本类别特征来识别非样本像元 的归属类别。 监督分类法的基本原理! 做分类时,常把图像中某一类地物称为模式, 而把属于该类中的像素称为样本,其中某位置的像 元在不同波段或不同特征空间中的像素值,则可以 称为该样本的观测值。 监督分类就是首先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 过选择特征参数来建立判别函数,据此对样本像元 进行分类,再依据样本类别特征来识别非样本像元 的归属类别。 监督分类法的基本原理! 做分类时,常把图像中某一类地物称为模式, 而把属于该类中的像素称为样本,其中某位置的像 元在不同波段或不同特征空间中的像素值,则可以 称为该样本的观测值。 非监督分类方法就是在没有先验类别(或者 说训练场地)作为样本的条件下,主要采用依据像 元间相似度的大小进行归类合并,将相似度大的像 元归为一类的方法。 非监督分类法的基本原理! 相似度是两种模式之间的相似程度。 遥感图像分类过程中,常用“距离”和“相关系数 ”来衡量相似程度。 相似性度量 1)距离指标 常有:绝对距离、欧式距离、马氏距离(马哈拉诺 比斯距离 )等 绝对距离 n ? dik ? xij ? M jk j ?1 欧式距离 n ? dik ? (xij ? M jk )2 j 马氏距离 n ? dik ? (xij ? M jk )T ?1 ik ( xij ? M jk ) j 2)相关系数 n ? (xki ? xi )(xkj ? x j ) rij ? k ?1 n n ? ? (xki ? xi )2 (xkj ? x j )2 k ?1 k ?1 6.3 计算机分类处理的工作流程 1. 原始图像的预处理 2. 选择分类方法(训练区的选择) 3.特征选择和特征提取 4.图像分类运算 5.分类后处理及检验结果 6.结果输出 1) 原始图像的预处理 主要内容包括:确定工作范围、图像校正、噪声处 理或图像信息增强、多图像融合等。 2) 选择分类方法 如果是监督分类,要考虑训练区的选择 3)特征选择和特征提取 特征是分类的依据。 多光谱图像各个波段的像素值就是最基本的原始 特征变量;经过+、-、*、/运算以及一些K-L变换、 比值变换等处理后生成的一些新值也是反映图像 信息的新特征变量。 基本选取原则是:依据特征的可分性、可靠性、独 立性、数量多少四方面综合选择。 特征选择(feature selection) 特征选择就是从众多特征中挑选出可以参加分类 算法的若干个特征,常用方法有主观判断、客观指标 OIF(Optimum Index Factor )计算。 n ??i OIF ? i ?1 n ? rij (美国查维茨提出的) i ?1 特征提取(feature extraction) 特征提取是在特征选择后,利用特征提取算法从原 始特征中求出最能反映地物类别性质的一组新特征,由 此既可以压缩数据,又提高特征类别间的可分性。 4)图像分类运算 依据你选择的特征变量和图像的分类对象的 实际情况以及选择适当的分类方法和相应的分类参 数进行图像分类。 一般来说,当光谱与地物类别对应较好时,多采 用简单实用的非监督分类法;如果类别之间光谱差 异很小或较复杂时,则用监督分类方法较好。 5)分类后处理及结果检验 常见的内容有:碎斑处理、类别合并、统计分 类结果、类间可分离性分析、分类精度分析等。 a)分类后处理 碎斑处理——处理办法主要是进行滤波处理,用计算机手段 去掉分类图中过于孤立的类别像素,或将它归并到包围相邻 较连续分布的那些类中。比如:ENVI的多数/少数分析、聚 块和筛除等。

相关推荐

最新更新

猜你喜欢