《遥感分类》ppt课件

1、第九讲 遥感影像分类 主要内容主要内容 n 遥感影像分类遥感影像分类 n 非监视分类非监视分类 n 监视分类监视分类n 遥感影像分类处置中的几个问题遥感影像分类处置中的几个问题一、遥感影像分类一、遥感影像分类 分类前分类前分类后分类后非监视非监视分类分类分类前分类前分类后分类后分类分类分类前分类前分类后分类后分类分类一、遥感影像分类一、遥感影像分类 遥感影像分类的概念及原理遥感影像分类的概念及原理 遥感影像分类的特点和原那么遥感影像分类的特点和原那么 遥感影像的分类顺序遥感影像的分类顺序 影像分类统计量影像分类统计量 概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量

2、分类统计量一、遥感影像分类一、遥感影像分类 概念： 是指经过对遥感影像中各类地物的光谱信息和空间信息的分析来选择特征，并将特征空间划分为互不重叠的子空间，将影像中各像元划归到各子空间的过程。概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 原始影像原始影像亮度值亮度值概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 原理： 根据各类样本内在的类似性将类似的种类(像元)合并，将不类似的种类(像元)分开，使各像元在特征空间的分布按其类似性分割或合并成一些集群。

3、 概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 同类地同类地物在一样条物在一样条件下应具有件下应具有一样或类似一样或类似的信息特征。的信息特征。概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 混合像元的存在常使得同类地物的特征向混合像元的存在常使得同类地物的特征向量也不尽一样。量也不尽一样。30m R10m R概念及原理概念及原理

4、特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 影像分类的关键问题之一是选择适当影像分类的关键问题之一是选择适当的分类规那么的分类规那么( (或叫分类器或叫分类器) )，经过分类器，经过分类器把影像数据划分为尽能够符合实践情况的把影像数据划分为尽能够符合实践情况的不同类别。不同类别。 概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 最简单的分类器就是密度分割或灰度分最简单的分类器就是密度分割或灰度分层。层。 概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序

5、分类统计量分类统计量一、遥感影像分类一、遥感影像分类 最简单的分类器就是密度分割或灰度分最简单的分类器就是密度分割或灰度分层。层。 概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 遥感影像分类的特点：遥感影像分类的特点： 多变量的影像分类多变量的影像分类 概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 概念及原理概念及原理 特点和原那

6、么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 分类原那么：不能孤立地根据个别变量数值分类，要从整个向量数据特征出发，按空间集群分布来分类。一个集群(类)在特征空间的位置用其均值向量表示。本质是把多维特征空间划分为假设干区域(子空间)的过程。概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 1像元i和像元j之间的相关系数pkpkjkjikijkjpkikiijxxxx

7、xxxxr11221)()(/ )( )(pkkjjpkkiixpxxpx1111；式中：概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 2像元i和像元j之间的类似系数 pkpkkjkipkkjkiijxxxx11221/cos概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 3像元i和像元j之间的欧几里德间隔 pkkjkiijxxd12)(概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像

8、分类 4像元i和像元j之间的绝对间隔 pkkjkiijxxd1概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 5马氏间隔(Mahalanobis) 12)()(ijjiTjiijxxxxd概念及原理概念及原理 特点和原那么特点和原那么 分类顺序分类顺序 分类统计量分类统计量一、遥感影像分类一、遥感影像分类 6二类均值的规范化间隔(g类和h类) pkihigihigghSSMMD12)(二、非监视分类二、非监视分类 二、非监视分类二、非监视分类 也叫也叫“边学习边分类法。边学习边分类法。是在没有先验类别知识是在没有先验类别知

9、识( (训练场地训练场地) )情况下，情况下，根据影像本身的统计特征及自然点群的分根据影像本身的统计特征及自然点群的分布来划分地物类别。布来划分地物类别。各类别内涵不能由该分类方法得出，要各类别内涵不能由该分类方法得出，要根据地面实况调查和比较来决议。根据地面实况调查和比较来决议。 三、非监视分类三、非监视分类 K-mean K-mean ISODATA ISODATA K-mean K-mean ISODATAISODATA二、非监视分类二、非监视分类 K-mean K-mean ISODATAISODATA确定初始类别中心判别样本至各类的间隔将样本分到较近的类S中重新计算类S的中心类中心能

10、否变化？迭代终了否是K-mean算法流程图K-mean K-mean ISODATAISODATAK-mean详细步骤K-mean K-mean ISODATAISODATA二、非监视分类二、非监视分类 K=5的分类结果K-mean K-mean ISODATAISODATA二、非监视分类二、非监视分类 K=10的分类结果K-mean K-mean ISODATAISODATA二、非监视分类二、非监视分类 ISODATAISODATA分类原理：分类原理： 在初始形状给出图像粗糙的分类，然后基在初始形状给出图像粗糙的分类，然后基于一定原那么在类别间重新组合样本，直到于一定原那么在类别间重新组合样

11、本，直到分类比较合理为止。分类比较合理为止。主要步骤：主要步骤：按照某个原那么选择一些初始类聚类中心。按照某个原那么选择一些初始类聚类中心。计算像素与初始类别中心的间隔，把该像素计算像素与初始类别中心的间隔，把该像素分配到最近的类别中。分配到最近的类别中。计算并矫正重新组合的类别中心计算并矫正重新组合的类别中心K-mean K-mean ISODATAISODATA二、非监视分类二、非监视分类 n按照某个原那么选择一些初始类聚类中心。按照某个原那么选择一些初始类聚类中心。n 在实践操作中，要把初始聚类数设定得大一些，同时引入各种在实践操作中，要把初始聚类数设定得大一些，同时引入各种对迭代次数进

12、展控制的参数，如控制迭代的总次数、每一类别最对迭代次数进展控制的参数，如控制迭代的总次数、每一类别最小像元数、类别的规范差、比较相邻两次迭代效果以及可以合并小像元数、类别的规范差、比较相邻两次迭代效果以及可以合并的最大类别数等，在整个迭代过程中，不仅每个像元的归属类别的最大类别数等，在整个迭代过程中，不仅每个像元的归属类别在调整，而且类别总数也在变化。在用计算机编制分类程序时，在调整，而且类别总数也在变化。在用计算机编制分类程序时，初始聚类中心可按如下方式确定：设初始类别数为初始聚类中心可按如下方式确定：设初始类别数为n n，这样共有，这样共有n n个初始聚类中心，求出图像的均值个初始聚类中心

13、，求出图像的均值MM和方差和方差，按下式可求出初，按下式可求出初始聚类中心始聚类中心: :) 11) 1(2(nkMxkk=1,2,n，为初始类中心编号，n为初始类总数。K-mean K-mean ISODATAISODATA二、非监视分类二、非监视分类 n计算像素与初始类别中心的间隔，把该像素分配到最近的类别中。n 动态聚类法中类别间合并或分割所运用的判别规范是间隔，待分像元在特征空间中的间隔阐明相互之间的类似程度，间隔越小，类似性大，那么它们能够会归入同一类。这里的间隔可以采用前面引见的几种间隔。n计算并矫正重新组合的类别中心n 假设重新组合的像素数目在最小允许值以下，那么将该类别取消，并

14、使总类别数减1。当类别数在一定的范围，类别中心间的间隔在阈值以上，类别内的方差的最大值为阈值以下时，可以看作动态聚类的终了。当不满足动态聚类的终了条件时，就要经过类别的合并及分别，调整类别的数目和中心间的间隔等，然后前往到上一步，反复进展组合的过程。K-mean K-mean ISODATAISODATA二、非监视分类二、非监视分类 ISODATA中的合并或分裂假设两个类别的中心点间隔近，阐明类似程度高，两类就可以合并成一类；或者某类像元数太少，该类就要合并到最相近的类中去。类别的分裂也有两种情况：某一类像元数太多，就设法分成两类；假设类别总数太少，就将离散性最大的一类分成两个类别，可以先求出

15、每个类别的均值和规范差，然后经过对每一个波段的规范偏向设定阈值来实现，规范差大于阈值，该类就要分裂。 K-mean K-mean ISODATAISODATAK-mean K-mean ISODATAISODATAK-mean K-mean ISODATAISODATAK-mean K-mean ISODATAISODATAK-mean K-mean ISODATAISODATAISODATA分类结果三、监视分类三、监视分类 中心思想：首先根据类别的先验知识确定判别函数和准那么，利用知类别样本训练样本的观测值来确定待定参数；然后将未知类别样本的观测值代入判别函数；根据判别准那么对该样本所属类别

16、做出断定。三、监视分类三、监视分类 三、监视分类三、监视分类 三、监视分类三、监视分类 三、监视分类三、监视分类 最小间隔分类法最大似然比分类法最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 最小间隔分类法要求遥感图像中每一个类别选择一个代表意义的特征统计量，首先计算待分像元与知类别之间的间隔，然后将其归属于间隔最小的一类最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 欧几里德间隔：欧几里德间隔：绝对间隔：绝对间隔： piijijMxD12piijijMxD1最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比

17、分类法三、监视分类三、监视分类 改良的欧几里德间隔：改良的欧几里德间隔： 改良的绝对间隔：改良的绝对间隔：piijijijMxD122/21/ijpiijijMxD最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 最大似然分类又称为贝叶斯最大似然分类又称为贝叶斯(Bayes)(Bayes)分类，分类，它经过计算标本它经过计算标本( (像元像元) )属于各组属于各组( (类类) )的概率的概率( (或或称归属概率称归属概率) )，将该标本归属于概率最大的一，将该标本归属于

18、概率最大的一组组最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 1最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 211最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 211最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 311最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 311最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 411最小间隔分类法最小间隔分

19、类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 511最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 611最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 711最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 711最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 711最小间隔分类法最小间隔分类法 最大似然比分类法最大似然比分类法三、监视分类三、监视分类 711四、遥感影像分类处置中四、遥感影像分类处置中的几个问题的几个

20、问题 四、遥感影像分类处四、遥感影像分类处 理中的几个问题理中的几个问题 n 训练场地和训练样本的选择问题 n 地形要素影响 n 混合像元问题 n 特征变量的选择问题 n 空间信息在分类中的运用问题 n 影像分类的后期处置问题 训练场地和样本选择训练场地和样本选择 地形要素影响地形要素影响 混合像元问题混合像元问题 特征变量的选择问题特征变量的选择问题 空间信息的运用问题空间信息的运用问题 后期处置问题后期处置问题 四、遥感影像分类处四、遥感影像分类处 理中的几个问题理中的几个问题 普通情况下，每类至少有10100个训练样本数据。 确定训练场地和训练样本应留意：时间；空间。训练场地和样本选择训

21、练场地和样本选择 地形要素影响地形要素影响 混合像元问题混合像元问题 特征变量的选择问题特征变量的选择问题 空间信息的运用问题空间信息的运用问题 后期处置问题后期处置问题 四、遥感影像分类处四、遥感影像分类处 理中的几个问题理中的几个问题 处理由于地形要素呵斥的“同物异谱景象的一种有效的方法是采用“同类多组法来选取训练样本。 训练场地和样本选择训练场地和样本选择 地形要素影响地形要素影响 混合像元问题混合像元问题 特征变量的选择问题特征变量的选择问题 空间信息的运用问题空间信息的运用问题 后期处置问题后期处置问题 四、遥感影像分类处四、遥感影像分类处 理中的几个问题理中的几个问题 分解混合像元的方法有：线性关系分解法、模糊分解法 混合像元已成为遥感影像处置研讨的方向之一。 训练场地和样本选择训练场地和样本选择 地形要素影响地形要素影响