遥感原理与应用2010_6.ppt

1、第六章 遥感数字图像的计算机解译,本章要点 遥感数字图像的性质与特点 遥感数字图像的自动分类 遥感图像多种特征的抽取 遥感图像解译专家系统,1、数字图像的性质和特点,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.（P82辐射分辨率） 纯像素;混合像素,1、数字图像的性质和特点,二、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,1、数字图像的性质和特点,三 .遥感数字图像的表示方法,遥感数字图像是以二维数组来表示的.,1、数字图像的性

2、质和特点,三 .遥感数字图像的表示方法,遥感图像按照波段数量分为: 单波段数字图像:SPOT 的全色波段. 多波段数字图像:TM的7个波段数据. 多波段数字图像的三种数据格式 BSQ格式(Band sequential) BIP格式(Band interleaved by pixel) BIL格式(Band interleaved by line),1、数字图像的性质和特点,四.航空像片的数字化,空间采样：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个单元的像素组合。 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。,2、遥感图像的计算机分类,一、分类原

3、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。常使用距离和相关系数来衡量相似度。P194 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。, 统计可分性的量度（全局统计和局部统计）： (1) 空间距离 表示类与类之间的差异,通常用欧氏距离或马氏距离来描述。(P194),绝对值距离,欧氏距离,马氏距离, 统计可分性的量度（全局统计和局部统计）： (1) 空间距离 表示类与类之间的差异,通常用欧氏距离或马氏距离来描述。(P194),绝对值距离,欧氏距离,马氏距离,(2) 相似系数 - 表示类与类之间的相似程度。,混合距离,结论：距离越

4、大，相似度越小；相似系数越大，相关程度越高，相似度越大。,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(P195) 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。 根据研究区域，收集与分析地面参考信息与有关数据。 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。 找出代表这些类别的统计特征 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。 对遥感图像中各像素进行分类。 分类精度检查。 对判别分

5、析的结果进行统计检验。,遥感图像计算机分类方法(P195) 监督分类法：选择具有代表性的典型实验区或训练区，用训练区中已知地面各类地物样本的光谱特性来“训练”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（即相似度的像元归为一类）的方法。,二、图像分类方法,1、监督分类,（1）、最小距离分类法,Step 2 for each unclassified pixel, calculate the distance to av

6、erage for each training area,二、图像分类方法,1、监督分类,（1）、最小距离分类法 最近邻域分类法 Nearest Neighbour 。,Defines a typical pixel for each class Assigns pixels on the basis of spectral distance Can separate diverse classes Boundary problems remain unresolved,（1）最小距离分类法,P196它是以特征空间中的距离作为像素分类的依据，包括最小距离和最近邻域。 最小距离判别法要求对遥感图

7、像中每一个类别选一个具有代表意义的统计特征量（均值），首先计算待分像元与已知类别之间的距离，然后将其归属于距离最小的一类。,最小距离法示意图,最近邻域分类法,P197在多波段遥感图像中，每一类别具有多个统计特征量。最近邻域分类法首先计算待分像元到每一类中每一个统计特征量的距离，这样，该像元到每一类都有几特征值，取其中最小的一个距离作为该像元到该类别的距离，最后比较该待分像元到所有类别间的距离，将其归属于距离最小的一类。分类精度不高，计算速度快。,（2）多级切割分类法,P197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子空间的分类方法。对于一个未知类

8、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。如落入某个特征子空间，则属于该类，如落入所有特征子空间之外，则属于未知类别。多波段图像分类前先进行主成分变换，然后进行多级分割。,（3）最大似然比分类法（MLC）,P198是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。 前提：假定训练区各地物的光谱特征服从正态分布，利用训练区可求出均值、方差、协方差等特征参数，从而可求出总体的先验概率密度函数。当总体不符合正态分布时，不宜采用MLC。,设从类别k中观测到x的条件概率为p(x|k)，则归属概率Lk为,归属概率是指对于待分像元x，它从属于分类类别k的后验概率。

9、P198式6.8和6.9,+ + + +,+,A,B,波段1,波段2,Amin1,Amax1,Amax2,Amin2,Bmin1,Bmax1,Bmin2,Bmax2,平行算法示意图,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。,（4）、特征曲线窗口分类法, 监督分类 小结 (1) 概念: 监督是指人为干预下的训练样本选取过程。依据训练样本的亮度特征建立“判别函数”，进行预分类；再依据预分类结果，调整训练样本，再分类，取得好的分类结果的过程，称为监督分类。 (2) 训练区的实际意义: 获得建立判别

10、函数所必须的统计量。这些统计参数包括- 均值、方差、协方差。 (3) 监督分类的关键- 训练样本的选取 、样本数:如果特征空间( 波段数 )的维数是n，则预分类的样本数一定要 n+1 ,甚至可以达到3n 。 B、代表性:训练样本应该反映该类地物的亮度特征；且需注意同类地物空间分布的不连续性。 (如多块同类样本都要选取),、亮度分布：从亮度特征角度而言，对于同一类地物具有不同亮度特征情况，通常都要选取（同物异谱）。 、纯度的把握： 一般来说，在已知类别的中间部位较高； 如果过纯，则方差过小，导致许多此类地物的像元被拒分； 如果不纯，则方差过大，导致不是此类地物的像元被分到该类别中，导致出现“错分

11、”的情况； 把握纯度的方法：读像元的亮度值，确定该类地物的亮度分布区间；同时，注意其它地物亮度值与其近似部分的像元亮度分布区间，依“错分损失最小”的原则，确定“分类界限”。,( P199 ) (1)前提：假定遥感影像上同类地物在同样条件下具有相同的光谱特征。 (2) 分类原理：不必对影像地物有先验知识，仅依据影像上各类地物光谱信息（或纹理信息）进行特征提取，再统计特征的差别来达到分类的目的，最后对已分出的各个类别进行确认。,非监督分类,同类地物有其一定的聚集空间，多个类别在直方图上有很多峰值及对应的众数灰度值，在不同众数附近的灰度空间形成的点群，叫集群。 分级集群方法是采用距离评价各样本（每个

12、像元）在空间分布的相似程度，把它们的分布分割或合并成不同的集群。每个集群是什么地类，要根据地面调查或已知类型的数据比较后确定。,1）分级集群法,P199,分级集群法的分类过程：,1）确定各样本相似程度采用的指标，如距离、相关系数等。 2）初定分类总数n； 3）计算样本间的距离；根据距离最近原则判定样本归并到不同类别； 4）归并后的类别作为新类，与其余类重新组合，然后再计算并改正其距离。在达到所要分类的最终类别前，重复样本间相似度的评价和归并，直到所有的像素都归入到各类别中去。,2）动态聚类法,P200是在初始状态给出图像粗糙的分类，然后基于一定的原则在类别间重新组合样本，直到分类比较合理为止。

13、,ISODATA动态聚类法的分类过程：,1）按照某个原则选择初始聚类中心。规定每一类别最小像元数，规定迭代次数。,M为图像平均值，k=1,2,n，n为类总数。Xk为类中心。,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小于最小允许值，则取消该类，总数减1。当类别中心距离小于阈值，类间距离大于阈值，聚类完成。,举例：如图像灰阶为256，最大值为225，最小值为0，标准差为43，图像均值为108，按isodata方法，该图像分成6类，中心像元值各是多少？, 非监督分类与监督分类 的结合 通常非监督分类做为监督分类的前导；如果

14、监督分类的最终结果要类，那么做非监督分类时致少要类。以此保证分类的纯度，因为方差小，错分的可能性也小。 分层分类(或决策树) 逐层次地建立特征空间，逐步分类，达到预期的分类目的。一般来说，分层分类的识别精度较高。,非监督分类与监督分类的比较P201,区别：是否利用训练场地获取知识,优缺点：监督分类精度相对高，方法复杂；非监督分类精度低，方法简单。,图像分类的有关问题(P201),1、未充分利用遥感图像的多种信息(仅光谱特征，空间关系、形状、大小等未用) 2、提高遥感图像分类精度受到限制： 大气状况(辐射纠正) 下垫面的影响(几何纠正) 其他影响,4、遥感图像多种特征的抽取,1)地物边界跟踪法

15、点状地物 线状地物 面状地物边界跟踪：是在遥感图像分类的基础上进行的。(图6.5-图6.6),形状特征和空间关系特征抽取,1)对数字图像进行增强处理； 2)对图像进行二值化处理(黑白或01)； 3)将图像中的像元分为线状地物与背景； 4)噪声去除从而获得初始线状地物图。 5)逐行扫描，寻找代表线状地物的像素，根据像素的多寡，计算线状地物的宽度； 6)剥皮细化留下骨干像素； 7)重复5-6步,线状地物信息检测与跟踪,地物形状特征的描述,1)周长P或线状地物的长度P： 2)面积S： 3)线状地物的曲率C： 4)面状地物的形状系数F：(式6.18),地的空间关系特征描述,1)方位关系：指两物体之间方

16、向与位置的相对关系。以一个物体为中心，描述另一个物体位于它的哪一个方向上，距离它有多远。(图6.8),2)包含关系或(内部相离)：一个物体位于另一个物体内部，并且边界不相邻。(图6.9),3)相邻关系：指两个地物在边界上相邻。(图6.10),4)相交关系：两个地物在一点上交汇。(图6.11),5、遥感图像解译专家系统,专家系统：Expert System,简称ES。是把某一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 思考问题和解决问题，是代替专家解决专业问题的技术系统(P220)。,遥感图像解译专家系统是模式识别与人工智能技术相结合的产物。用模式识别(Pattern Iden

17、tification)方法获取地物多种特征，为专家系统解译提供多种证据，同时应用人工智能技术，运用遥感图像专家的经验和方法，模拟遥感图像目视解译的具体思维过程，进行遥感图像解译。(P213),遥感图像解译ES的组成(P213),1)图像处理与提取子系统；,2)遥感图像解译知识获取子系统；,3)遥感图像解译专家子系统。,知识获取 界面,地理名词 数据字典,图像处理,图形输入,完整一致性检查,图像几何精校正,框架产生器,规则产生器,图像分类,区域分割与特征提取,A,B,A图像处理与特征提取子系统,B遥感图像解译知识获取子系统,属性数据,空间数据,图像解译知识库,遥感数据库,知识管理库,公共数据区,

18、数据库管理,推理机,解释器,用户界面,C,C遥感图像解译专家子系统,查询,解释,1)图像处理与提取子系统,图像滤波； 图像增强； 辐射纠正； 图像几何配准； 图像分类； 图像特征提取。 遥感数据库,2)遥感图像解译知识获取子系统,知识获取主要通过知识获取界面来实现。知识获取界面是一个具有语义和语法制导的结构编辑器。 知识获取后进行完整性和一致性检查； 通过框架产生器实现描述性知识的表示和获取。 通过规则产生器实现过程性知识的表示与获取 。 图像解译知识库(Knowledge Base, 称KB),框架,产生式规则,IF (条件) THEN (操作),3)遥感图像解译专家子系统,遥感图像数据库(包括空间数据和属性数据)；,解译知识库(包括专家解译知识和背景知识)；,推理机；,解释器：是一个用于说明推理的工具，是对推理过程的解释，以便用户了解计算机解译的过程 。,推理机(P216),是遥感图像解译专家系统的核心。 作用：提出假设，利用地物多种特征作为证据，进行推理验证，实现图像解译。 正向推理过程： 反向推理过程：,专家系统自动解译技术路线(P224),卫星图像识别（解译）机理分析； 知识获取与知识形式化表示； 建立专家知识库和背景