第9章遥感图像分类.ppt
《第9章遥感图像分类.ppt》由会员分享,可在线阅读,更多相关《第9章遥感图像分类.ppt(25页珍藏版)》请在三一文库上搜索。
1、第九章 遥感图像分类,本章教学目的及要求:了解遥感图像的计算机分类基本原理、遥感图像的计算机分类一般过程;掌握非监督分类、监督分类。 本章教学重点及难点:如何应用非监督、监督分类对遥感数字图像进行分类处理,分类结果的Kappa系数评价方法。,本章提要,9.1 概述 9.2 相似性度量 9.3 工作流程 9.4 监督分类 9.5 非监督分类 9.6 专家系统分类 9.7 分类精度分析 9.8 分类后处理,9.1.1 基本原理 同类地物在相同的条件下(光照、地形等)应该具有相同或相似的光谱信息和空间信息特征。不同类的地物之间具有差异根据这种差异,将图像中的所有像素按其性质分为若干个类别(Class
2、)的过程,称为图像的分类。,9.1 概述,9.1.2 分类方法 根据是否需要分类人员事先提供已知类别及其训练样本,可将遥感图像分类方法划分为监督分类(Supervised Classification)和非监督分类(Unsupervised Classification)。 根据一个像素被分到一个类还是多个类,可将遥感图像分类方法分为硬分类(hard classification)和软分类(soft classification)。图像上的一个像素只能被分到一个类的分类方法称为硬分类。,9.1 概述,遥感图像计算机分类的依据是遥感图像像素的相似度。常使用距离来衡量相似度。 距离是常用的相似性度
3、量的概念。分类是确定像素距离哪个点群中心较近,或落入哪个点群范围可能性大的问题。像素与点群的距离越近,那么,属于该点群的可能性越高。,9.2 相似性度量,9.3 工作流程,自动识别分类,监督分类法,非监督分类法,1.确定工作范围,2.多源图像的几何配准,3.噪声处理,4.辐射校正,5.几何精纠正,6.多图像融合,7,9.4 监督分类,概念: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,再按一定的统计判别规则对未知地区的像元进行分类处理,进行自动分类的方法。 基本过程:首先根据已知的样本类别和类别的先验知识确定判别准则,计算判别函数,然后将未知类别
4、的样本值代入判别函数,依据判别准则对该样本所属的类别进行判定。,9.4 监督分类,训练区的选择: 训练区在遥感处理系统中被称为“感兴趣区”。在ENVI系统中,该区域称为ROI,在ERDAS系统中称为AOI。本文使用ROI表示训练区。 要有代表性(目标地物中心较大的区域选取) 数目要包含足够的信息,最大似然比分类法(Maximum Likelihood) 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。,9.4 监督分类,原始图像,分类图像,优点: 根据应用目的和区域,有选择的决定分类类别,避免出现一些不必要的类别; 可以通过检查训练样本来决定训练样本是否被精确分
5、类,从而避免分类中的严重错误; 分类速度快。,监督分类的优缺点:,缺点: 主观性 由于图像中间类别的光谱差异,使训练样本没有很好的代表性; 训练样本的获取和评价花费较多的人力时间; 只能识别训练中定义的类别。,9.4 监督分类,根据事先指定的某一准则,让计算机自动进行判别归类,无需人为干预,分类后需确定地面类别。在非监督分类中,先确定光谱可分的类别(光谱类)然后定义它们的信息类。,9.5 非监督分类,特点 不需要训练样本,先分类 分类后再对各类别赋予属性 自动化程度高 完全按照像元的光谱信息特征进行分类,适用于对分类区不了解的情况,9.5 非监督分类,常用非监督分类算法 1、K-均值分类算法(
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 遥感 图像 分类
链接地址:https://www.31doc.com/p-2980945.html