《遥感图像分类》PPT课件

第四页，共95页幻灯片
B5
水 B7
地物与光谱特征空间的关系
第五页，共95页幻灯片
特征点集群在特征空间中的分布大致可
分为如下三种情况:
Bj
理想情况——不同类别 植被
的点的集群至少在一个
特征子空间中的投影是
完全可以相互区分开的。 Bi
第六页，共95页幻灯片
一般情况——无论在总的特征空间中，还是在 任一子空间中，不同类别的集群之间总是存 在重叠现象。这时重叠部分的特征点所对应 的地物，在分类时总会出现不同程度的分类 误差，这是遥感图像中最常见的情况。
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
第三十五页，共95页幻灯片
一判决函数和判决规则 判决函数:当各个类别的判别区域确定后， 用来表示和鉴别某个特征矢量属于哪个类别 的函数。 这些函数不是集群在特征空间形状的数 学描述，而是描述某一未知矢量属于某个类 别的情况，如属于某个类别的条件概率。一 般，不同的类别都有各自不同的判决函数。
哈达玛矩阵为一个对称的正 交矩阵，其变换核为 H’
由哈达玛变换核可知，哈达 玛变换实际是将坐标轴旋 转了45℃的正交变换
第二十页，共95页幻灯片
哈达玛矩阵的维数N总是2的倍数，即N=2m
（m=1
，2……）
其中m称为矩阵的阶，每个高阶哈达玛矩阵都由其低一阶
的哈达玛矩阵按如下
取二阶哈达玛变换矩阵
第二十一页，共95页幻灯片
分类目的:
将图象中所有像元自动地进行土地覆盖专题分类
原始遥感图像
分类的依据是什么?
对应的专题图像

第10页/共76页
概念及原理 特点和原则 分类顺序 分类统计量
10
一、遥感影像分类
概念及原理 特点和原则 分类顺序 分类统计量
混合像元的存在常使得同类地物的特征向 量也不尽相同。
30m R
10m R
11
第11页/共76页
一、遥感影像分类
概念及原理 特点和原则 分类顺序 分类统计量
影像分类的关键问题之一是选择适当的分 类规则(或叫分类器)，通过分类器把影像数据划 分为尽可能符合实际情况的不同类别。
迭代次数进行控制的参数，如控制迭代的总次数、每一类别最小像 元数、类别的标准差、比较相邻两次迭代效果以及可以合并的最大 类别数等，在整个迭代过程中，不仅每个像元的归属类别在调整， 而且类别总数也在变化。在用计算机编制分类程序时，初始聚类中 心可按如下方式确定：设初始类别数为n，这样共有n个初始聚类 中心，求出图像的均值M和方差σ，按下式可求出初始聚类中心:
52
第52页/共76页
三、监督分类
（1）
最小距离分类法 最大似然比分类法
53
第53页/共76页
三、监督分类
（2）
最小距离分类法 最大似然比分类法
第54页/共76页
11
54
三、监督分类
（2）
最小距离分类法 最大似然比分类法
第55页/共76页
11
55
三、监督分类
（3）
最小距离分类法 最大似然比分类法
解决由于地形因素造成的“同 物异谱”现象的一种有效的方 法是采用“同类多组法”来选 取训练样本。
68
第68页/共76页
四、遥感影像分类处 理中的几个问题
训练场地和样本选择 地形因素影响 混合像元问题 特征变量的选择问题 空间信息的应用问题 后期处理问题

（2）摄影像片的解译标志
解译标志又称判读标志，指能够反映和表 现目标地物信息的遥感影像各种特征，这 些特征能够帮助判读者识别遥感图像上目 标地物或现象。
编辑课件
39
• 直接判读标志
• 形状：人造地物具有规则的几何外形和清晰的边界，自然地物具有不 规则的外形和规则的边界。
• 大小：不知道比例尺时，可以比较两个物体的相对大小；已知比例尺， 可直接算出地物的实际大小和分布规模。
✓ 阴影:目标地物与背景之间的辐射差异造成
阴影
编辑课件
42
编辑课件
43
2.遥感扫描影像的判读
• 1、常见遥感扫描影像的主要特点及其应用
✓ MSS影象：
✓ 不同卫星上的波段对比; ✓ MSS各波段应用范围(重点)。
✓ TM影象：
✓ TM影象与MSS影象的对比 ✓ 波段设置 ✓ 主要应用
✓ SPOT影象：
植物含水量的影响，吸收
率大增，反射率大大下降，
绿叶的反射率
特别是在水的吸收带形成
低谷。
编辑课件
11
• 植物波谱具有上述的基本特征，但仍有细 部差别，这种差别与植物种类、季节、病 虫害影响、含水量多少等有关系。为了区 分植被种类，需要对植被波谱进行研究。
编辑课件
12
9月20日玉米、大豆
• 5月20日小麦、油菜
• 本质的区别 ：电磁波在真空中也能传播 ； 机械波必须在弹性媒质中才能传播
• 两者在运动形式上都是波动。
• 基本的波动形式有两种：
横波：质点的振动方向与波的传播方向垂直。 如水波、电磁波。
纵波：质点的振动方向与波的传播方向相同。 如声波。
• 电磁波一定是横波，机械波却可以是横波

特征变换
将原始特征进行变换，生成新的特征，以更好地 反映地物类别之间的差异。
分类器设计
监督分类
利用已知样本的训练集设计分类器，对未知样本进行分类。
非监督分类
对未知样本进行聚类分析，将相似的样本归为同一类。
混合分类
结合监督分类和非监督分类的优势，提高分类精度和稳定性。
分类结果评价
精度评价
通过比较分类结果与实际地物类别， 计算分类精度、混淆矩阵等指标。
THANKS
感谢观看
分类器。
多源遥感数据融合问题
多源遥感数据融合可以提高分类精度和可靠性，但同时也带 来了数据匹配、融合算法选择等问题。
解决多源遥感数据融合问题的策略包括使用先进的融合算法 ，如基于深度学习的融合方法，以及优化数据匹配方法。
遥感图像分类技术的发展趋势
01
遥感图像分类技术正朝着高精度、高效率和自动化的方向发展 。
可靠性评价
评估分类结果的稳定性、可靠性以及 抗干扰能力。
应用价值评价
根据分类结果在实际应用中的价值， 如土地利用、资源调查、环境监测等
，对分类方法进行综合评价。
04
CATALOGUE
遥感图像分类的挑战与展望
数据质量问题
遥感图像常常受到噪声、失真和 模糊等影响，导致数据质量下降
。
数据质量问题还表现在不同传感 器获取的图像之间的差异，以及 不同时间获取的图像之间的变化
遥感图像分类的应用
遥感图像分类在多个领域有广泛应用，如环境保护、城市规划、资源调查、军事 侦察等。
通过遥感图像分类，可以快速获取大范围的地物信息，为相关领域的决策提供科 学依据。
02
CATALOGUE
遥感图像分类的方法