遥感图像的计算机解译PPT

第六章 遥感图像的计算机解译
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
2020/4/4
1
计算机解译：又称遥感图像理解(Remote Sensing Imgery Understanding)，它以计算机系 统为支撑环境，利用模式识别技术与人工智能 技术相结合，根据遥感图像中目标地物的各种 影像特征(颜色、形状、纹理与空间位置)，结 合专家知识库中目标地物的解译经验和成像规 律等知识进行分析和推理，实现对遥感图像的 理解，完成对遥感图像的解译。
2020/4/4
2
计算机解译遥感影像的困难
目标信息不完全且带有噪声 信息量过于丰富，造成相互影响和干扰 地域性、季节性和不同成像方式
2020/4/4
3
数字图像的性质和特点
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. 正像素：一个像素只包含一种地物的像素 混合像素：像素内包含两种或两种以上的地物
2020/4/4
4
数字图像的性质和特点
特点
便于计算机处理与分析 图像信息损失少 抽象性强
2020/4/4
5
遥感数字图像的表示方法
以二维数组来表示的
2020/4/4
6
遥感数字图像的表示方法
需要注意的问题：同物异谱；同谱异物
2020/4/4
10
遥感图像的计算机分类
2020/4/4
11
遥感图像的计算机分类
几个基本概念
模式(pattern)：在多波段图像中，每个像元都具有 一组对应取值，称为像元模式
特征(feature)：在多波段图像中，每个波段都可看 作一个变量，称为特征变量
特征提取(feature extraction)：通过变换找出最能反 映地物类别差异的特征变量用于分类的过程
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)
2020/4/4
19
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
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。
2020/4/4
遥感数字图像计算机分类基本过程
1. 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。
6. 对遥感图像中各像素进行分类。 7. 分类精度检查。 8. 对判别分析的结果进行统计检验。
2020/4/4
18
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 average for each training area
特征选择(feature selection)：直接从原始波段数据中 选择
2020/4/4
12
遥感图像的计算机分类
目视解译的依据：影像的色调和几何特征 遥感图像分类的依据：地物的光谱特征 遥感图像计算机分类的依据：像素的相似度
2020/4/4
13
遥感图像的计算机分类
遥感图像计算机分类的依据：像素的相似度 常使用距离和相关系数来衡量相似度。
1、监督分类
（3）、特征曲线窗口分类法
✓ 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
2020/4/4
7
遥感图像的计算机分类
2020/4/4
8
遥感图像的计算机分类
2020/4/4
9
遥感图像的计算机分类
分类原理
不同的地物有不同的光谱特征，同类地物具有 相同或相似的光谱特征。基于数字图像中反映的 同类地物的光谱相似性和异类地物的光谱差异性 进行分类。
图像分类的总目标：将图像中所有的像元自动 地进行土地覆盖类型或土地覆盖专题的分类。
2. 根据研究区域，收集与分析地面参考信息与有关数据。 3. 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。 4. 找出代表这些类别的统计特征
2020/4/4
17
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
4. 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。
➢距离衡量相似度时，距离越小相似度越大。 ➢相关系数衡量相似度时，相关程度越大，相似度越 大。
2020/4/4
14
遥感图像的计算机分类
一般步骤： 分类预处理 特征选取 分类 分类后处理 专题图制作
2020/4/4
15
遥感图像计算机分类方法
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。
2020/4/4
20
二、图像分类方法
1、监督分类
（2）、多级切割分类法
✓ 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 字空间的分类方法。
✓ 对于一个未知类别的像素来说，它的分类取决于它 落入哪个类别特征字空间中。
2020/4/4
21
二、图像分类方法