第7章遥感数字图像的计算机解译.ppt

1、2020年7月23日,面向二十一世纪课程教材,遥感导论,电子教案,制作人：贾维花,第7章 遥感图像计算机解译,概念 7.1 遥感数字图像的性质与特点 7.2 遥感数字图像的计算机分类 7.3 遥感图像多种特征的抽取 7.4 遥感图像解译专家系统,遥感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、遥感图像处理、地理信息系统、模式识别与人工智能技术，实现地学专题信息的智能化获取。,像元,属性特征,空间特征,空间分辨率,亮度值,数字图像,构成单元,特点,表示方法,多波段数据格式,1.便于计算机处理与分析 2.图像信息损失低 3.抽象性强，便于建模。,二维数组或矩阵

2、,BSQ(Band sequential) BIP(Band interleaved by pixel) BIL(Band interleaved by line),(见P190191),返回,正像素,混合像素,7.2 遥感数字图像的计算机分类,1 分类的原理 2 图像分类的方法 3 分类的一般过程 4 图像分类的有关问题（见P201202）,返回,返回,波段： 1 2 3 4,同类地物集聚性,计算机分类处理的一般过程,返回,分类过程,见P(195196),监督分类,非监督分类,分类方法,最小距离分类法,多级切割分类法,特征曲线窗口法,最大似然比分类法,分级集群法（Hierarchical C

3、lustering),动态聚类法 （ISODATA),最小距离判别法,最近邻域分类法,返回,监督分类和非监督分类的区别,监督分类,一般步骤： 1.监督分类包括利用训练区样本建立判别函数的“学习”过程. 2.把待分像元代入判别函数进行判别过程。 训练区的选择： 1.训练区必须具有典型性和代表性。 2.对所有使用的图件要求时间和空间上的一致性。（协助选取） 3.训练区样本选择后可做直方图，观察其分布规律，一般要求单峰近似正态分布，若双峰，则可能是混合类别，需要重做。 4.训练样本数目确定。至少N+1（N为光谱维）是理论值。具体分类时要看对图像的了解程度和图像本身情况来确定。 5.训练区确定后，计算

4、各种统计量如集群的均值和方差、协方差。,返回,非监督分类,概念：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。采用的聚类分析的方法。 主要过程： 1.确定初始类别参数，即确定初始类别数和类别中心（集群中心）。 2.计算每个像元所对应的特征矢量与各集群中心的距离。 3.选与中心距离最短的类别作为这一矢量的所属类别。 4.计算新的类别均值向量。 5.比较新的类别均值与原中心位置上的变化。若位置发生了改变，则以新的类别均值作为聚类中心，再从第二步开始重复，进行反复迭代操作。 6.如果聚类中心不再

5、变化，计算停止。,返回,监督分类和非监督分类的区别,根本区别点: 在于是否利用训练场地来获取先验的类别知识，监督分类根据训练场提供的样本选择特征参数、建立判别函数，对待分类点进行分类。非监督分类不需要更多的先验知识，它根据地物的光谱统计特性进行分类。因此，非监督分类方法简单，且分类具有一定的精度。,返回,7.3遥感图像多种特征的抽取,返回,光谱特征,形状特征,空间关系特征,纹理特征,点状地物 线状地物 面状地物,地物单元边界特征描述,形态特征描述,相邻关系,包含关系,方位关系,相交关系,相贯关系,距离关系,方向关系,遥感图像解译专家系统,图像处理与特征提取子系统,图像解译专家系统的机理,图像解译知识获取子系统,图像处理：图像滤波、增强、大气校正、几何精校正、正射纠正等。,特征提取：光谱特征、形状特征、空间关系特征、纹理特征,增加遥感解译新知识,修改原知识或补充新知识,自动总结经验，修改错误和增加新的解译知识,遥感图像数据库,遥感解译知识库,推理机,解释器,专家解译知识,背景知识,咨询式,隐蔽式,返回,计算机解译技术发展趋势,人工神经网络,分形技术,小波分析,模糊分类,1.抽取遥感图像多种特征并综合利用这些特征进行识别,3.建立适