第8章遥感作业
- 格式:docx
- 大小:17.00 KB
- 文档页数:3
第8章遥感作业
第八章遥感图像自动识别分类
名词解释:遥感图像自动分类光谱特征向量特征空间特征变换特征选择KL变换哈达玛变换KT变换判别函数判别规则错分概率最大似然法分类最小距离法分类监督分类非监督分类K均值聚类混淆矩阵用户精度制图精度
遥感图像自动分类:利用计算机对地球表面及其环境在遥感图像上的信息进行属性的识别和分类,从而叨叨识别图像信息所相应的实际地物,提取所需地物信息的目的。
光谱特征向量:同名地物点在不同波段图像中亮度的观测值构成一个多维的随机向量X,成为光谱特征向量。
特征空间:为了度量图像中地物的光谱特征,建立一个以各波段图像的亮度分布为子空间的多维光谱特征空间
特征变换:将原有的m个测量值集合通过某种变换,产生n(小于m)个新的特征。
特征选择:即在所有的特征影像中,选择一组最佳的用来分类的特征影像的过程。
KL变换:是就均方误差最小来说的最佳正交变换。
哈达玛变换:利用哈达玛矩阵作为变换矩阵新实施的遥感多光谱变换。
KT变换:一种线性特征变换,由Kauth和Thomas提出。
判别函数:描述某一未知类别的像元模式属于某个类别的情况的函数
判别规则:判断某一位置类型的像元模式属于某个类别采用的依据。
错分概率:表示类别判别边界两侧做出不正确判别的概率之和。
最大似然分类:以错分概率或风险概率最小为准则的判别规则
最最小距离分类:基于距离和判别规则,在实践中以此原理的分类方法称为最小距离分类。监督法分类:通过所选择代表各类别的已知样本(训练区)的像元光谱特征,事先取得各类别的参数,确定判别函数和相应的判别规则,从而进行分类。
非监督法分类:不施加任何先验知识,仅凭遥感影像上地物的光谱特征分布规律进行自然“聚类”。分类结果只是对不同类别达到了区分,但并不能确定类别的属性。分类结束后,利用目视判读或实地调查等方法确定类别属性
K均值聚类:算法聚类准则是每一聚类中,多模式点到该类别的中心距离二代平方和最小。
混淆矩阵:用表格的方式检核分类精度的样区内所有像元,统计分类图中的类别与实际类别之间的混淆程度
用户精度:表示从分类结果(如分类产生的类型图)中任取一个随机样本,其所具有的类型与地面实际类型相同的条件概率。
制图精度:它表示相对于地面获得的实际资料中的任意一个随机样本,分类图上同一地点的分类结果与其相一致的条件概率。
问答题:
1、什么叫特征空间?地物在特征空间聚类有哪些特性?
为了度量图像中地物的光谱特征,建立一个以波段图像的密度分布不同的子空间。
特征:1不同地物由于光谱特征不同,将分布在特征空间的不同位置。2同类地物的各取样点在光谱各种空间中的特征点将不可能值表现为同一点,而是形成一个相对聚集的点集群,不同类地物的点集群在特征空间内一般是相互分离的。3地物在特征空间的聚类通常用特征点分布的概率密度函数表示。
2、说明遥感影像主分量变换及其在遥感中的主要作用。
是就均方误差最小来说的最佳正交变换。
KL变换能够把原来多个波段中的有用信息集中到数目尽可能少的特征图像组中去,达到数据压缩的目的。
KL变换还能够使新的特征图像间互不相关,使新的特征图像包含的信息内容不重叠,增加类别的可分性。
3、为什么要进行特征选择?列举几种特征选择的主要方法和原理。 一方面能减少参加分类的特征图像的数目,另一方面从原始信息中抽取能更好进行分类的特征图像
4、叙述监督分类与非监督分类的区别。
监督法分类:通过所选择代表各类别的已知样本(训练区)的像元光谱特征,事先取得各类别的参数,确定判别函数和相应的判别规则,从而进行分类。
非监督法分类:不施加任何先验知识,仅凭遥感影像上地物的光谱特征分布规律进行自然“聚类”。分类结果只是对不同类别达到了区分,但并不能确定类别的属性。分类结束后,利用目视判读或实地调查等方法确定类别属性
5、叙述最大似然法分类和最小距离法分类原理及区别。
最大似然法基本思想:样区内的各类别集群在光谱特征空间中的概率分布函数为先验已知,对于样区外的任一未知像元,分别计算它落于各类别区域内的概率,其概率值最大的相应类别就是该像元应属的类别
最小距离法基本思想:是计算未知类别的特征矢量X到各类别集群之间的距离,哪类离它最近,X就属于哪类。
6、叙述K均值聚类的原理和步骤。
K均值聚类:算法聚类准则是每一聚类中,多模式点到该类别的中心距离二代平方和最小。
算法步骤:
1. (1)选择m个类的初始中心
2. (2)按照到类中心距离最小的原则对像元分类
3. (3)重新计算类中心
4. (4)类中心不变,算法结束;否则返回(2)
7、说明用户精度和制图精度的区别。
用户精度:表示从分类结果(如分类产生的类型图)中任取一个随机样本,其所具有的类型与地面实际类型相同的条件概率。
制图精度:它表示相对于地面获得的实际资料中的任意一个随机样本,分类图上同一地点的分类结果与其相一致的条件概率。