遥感以及试卷_第1页
遥感以及试卷_第2页
遥感以及试卷_第3页
遥感以及试卷_第4页
遥感以及试卷_第5页
已阅读5页，还剩19页未读， 继续免费阅读

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

第8章遥感图像自动识别分类

§8-3监督分类(续)(二)分类过程

原始影像数据的准备图像变换及特征选择分类器的设计初始类别参数的确定逐个像素的分类判别形成分类编码图像输出专题图水新城区老城区耕地植被

选择样本区域计算每个类别的M和Σ，建立类别的判别函数水老城区新城区植被红255绿255••••耕地0•蓝255

将样本数据在特征空间进行聚类根据判别函数逐个像素的分类判别••••••？1老城区1分类结果影像的形成分类得到的专题图(三)影响监督分类精度的几个方面:

1.特征变换和特征选择 根据感兴趣地物的特征进行有针对性的特征变换，加快分类速度，提高分类精度。

2.分类的类别数与实际是否相符?3.训练样区的选择 训练样区的选择要注意准确性、代表性和统计性三个问题。 准确性就是要确保选择的样区与实际地物的一致性 代表性一方面指所选择区为某一地物的代表，另一方面还要考虑到地物本身的复杂性，所以必须在一定程度上反映同类地物光谱特性的波动情况 统计性是有足够多的像元。4.分类方法（判决函数和判决规则）(四)监督法分类的优缺点优点：

.根据应用目的和区域，有选择的决定分类类别，避免出现一些不必要的类别；

.可以控制训练样本的选择

.可以通过检查训练样本来决定训练样本是否被精确分类，从而避免分类中的严重错误,分类精度高

.避免了非监督分类中对光谱集群的重新归类

.分类速度快主观性；由于图象中间类别的光谱差异，使得训练样本没有很好的代表性；训练样本的获取和评估花费较多人力时间；只能识别训练中定义的类别。缺点第8章遥感图像自动识别分类

§8-4非监督分类§8-4非监督分类

二非监督分类 仅凭遥感影像地物的光谱特征的分布规律，即自然聚类的特性，进行“盲目”的分类； 其类别的属性是通过分类结束后目视判读或实地调查确定的。(一)K-均值聚类法

K-均值算法的聚类准则是使每一聚类中，多模式点到该类别的中心的距离的平方和最小。

基本思想是：通过迭代，逐次移动各类的中心，直至得到最好的聚类结果为止。

缺点:这种算法的结果受到所选聚类中心的数目和其初始位置以及模式分布的几何性质和读入次序等因素的影响，并且在迭代过程中又没有调整类数的措施，因此可能产生不同的初始分类得到不同的结果。(二)ISODATA算法聚类分析可以自动地进行类别的“合并”和“分裂”，从而得到类数比较合理的聚类结果。

选定初始类别中心输入迭代限值参数:I,Tn,TS,TC对样本像素进行聚类并统计ni,m,σni<Tn取消第i类是迭代次数=I或相邻两次迭代类别中心变动小于限值σ>TS

确定分裂后的中心DIK<TC

确定并类后的中心输出否否是否否是ISODATA算法过程框图

每类集群允许的最大标准差

集群允许的最短距离

每类集群至少的点数是迭代次数(三)平行管道法聚类分析 它以地物的光谱特性曲线为基础，同类地物在特

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论