遙感圖像解譯專家系統(tǒng)是模式識別與人工智能技術(shù)相結(jié)課件

遙感影像計算機分類Dept.ofLandInformationEngineeringChuzhouUniversity遙感影像計算機分類1第三節(jié)遙感數(shù)字圖像的計算機分類遙感圖像解譯專家系統(tǒng)是模式識別與人工智能技術(shù)相結(jié)課件2本節(jié)內(nèi)容一、分類原理與過程二、分類方法三、遙感圖像解譯專家系統(tǒng)本節(jié)內(nèi)容一、分類原理與過程3一、分類原理與過程1.概述2.方法3.過程遙感數(shù)字圖像的計算機分類一、分類原理與過程1.概述遙感數(shù)字圖像的計算機分類4一、分類原理與過程1.概述定義（計算機自動識別）：自然界中不同類型的地物具有各自不同的電磁波譜特性，遙感數(shù)字圖像中像元的不同數(shù)值（亮度值）反映了相應(yīng)地物的波譜特性。因此，通過計算機對圖像像元的數(shù)值的統(tǒng)計、運算、對比和歸納，對像元進(jìn)行分類，即可達(dá)到對地物的自動識別，這種技術(shù)處理稱為~。一、分類原理與過程1.概述定義（計算機自動識別）：5例如：你身高1.9m，體重100kg99%你是男人身高/體重=？嬰兒、兒童、青少年、青年、中年……1.概述所依賴的理論方法：統(tǒng)計模式識別，提取待識別模式的一組統(tǒng)計特征值，然后按照一定準(zhǔn)則作出分類決策。一、分類原理與過程例如：1.概述所依賴的理論方法：一、分類原理與過程61.概述遙感圖像分類中所用統(tǒng)計特征變量：

全局統(tǒng)計特征變量：將整個數(shù)字圖像作為研究對象，從整個圖像中獲取或進(jìn)行變換處理后獲取變量；

局部統(tǒng)計特征變量：將數(shù)字圖像分割為不同識別單元，在各單元內(nèi)分別抽取的統(tǒng)計特征變量（如描述紋理的特征量）。例如，1-7波段亮度值是特征變量x1,x2,…,x7；組合運算也可產(chǎn)生特征變量。一、分類原理與過程1.概述遙感圖像分類中所用統(tǒng)計特征變量：一、分類原理與過程71.概述利用統(tǒng)計特征變量進(jìn)行分類，需要：（1）變量能反映分類特征的區(qū)別；將人分嬰兒、兒童…，要選擇特征變量“年齡”，而不是身高、體重、性別、民族…波段1-7分別反映對不同波段的反射率差異，但如果進(jìn)行熱分布制圖，主要依據(jù)熱紅外波段(6)，而不用其他波段值。（2）如果有幾個特征變量，盡可能使其：區(qū)分不同的特征如，通過主成分變換，將相互之間存在相關(guān)性的原始波段遙感圖像轉(zhuǎn)換為相互獨立的多波段新圖像，變換后的信息集中于前幾個組分的圖像上，實現(xiàn)特征空間將維數(shù)壓縮的目的。一、分類原理與過程1.概述一、分類原理與過程81.概述遙感圖像計算機分類的依據(jù)——圖像像素的相似度一組圖像（原始的、主成分變換后的、或其它運算產(chǎn)生的）每個像素對應(yīng)有1組特征值該像素所屬類別？同類別的像素應(yīng)當(dāng)特征相似特征值具有較高相似度一、分類原理與過程1.概述遙感圖像計算機分類的依據(jù)——圖像像素的相似度一、分類91.概述相似度的衡量方法，常采用距離、相關(guān)系數(shù)衡量：（1）絕對值距離（2）歐氏距離（3）馬氏距離（4）混合距離（5）相關(guān)系數(shù)例，已知分類標(biāo)準(zhǔn)：類別嬰兒[0-2]，平均1歲；兒童3-9，平均6歲；少年……；問:8歲的人是哪一類？——混合距離發(fā)現(xiàn)，離兒童平均年齡6歲差值2，最接近所以是“兒童”類一、分類原理與過程1.概述相似度的衡量方法，常采用距離、相關(guān)系數(shù)衡量：一、分類10（1）絕對值距離

i，j為特征空間中兩點（1）絕對值距離11（2）歐式距離在二維和三維空間中的歐式距離的就是兩點之間的距離，二維的公式是

d=sqrt((x1-x2)^+(y1-y2)^)

三維的公式是

d=sqrt(x1-x2)^+(y1-y2)^+z1-z2)^)

推廣到n維空間，歐式距離的公式是

d=sqrt(∑(xi1-xi2)^)這里i=1,2..n

xi1表示第一個點的第i維坐標(biāo),xi2表示第二個點的第i維坐標(biāo)

（2）歐式距離在二維和三維空間中的歐式距離的就是兩點之間的距12（3）馬氏距離即考慮離散度，也考慮到各軸間總體分布的相關(guān)性（協(xié)方差）。為協(xié)方差矩陣（3）馬氏距離即考慮離散度，也考慮到各軸間總體分布的相關(guān)性（13（4）混合距離像元i到第g類類均值的混合距離。（5）相關(guān)系數(shù)（4）混合距離（5）相關(guān)系數(shù)142.方法（1）非監(jiān)督分類方法（2）監(jiān)督分類方法一、分類原理與過程2.方法一、分類原理與過程152.方法（1）非監(jiān)督分類方法定義：非監(jiān)督分類又稱邊學(xué)習(xí)邊分類法。它直接對輸入的數(shù)字圖像像元數(shù)值（亮度值）進(jìn)行統(tǒng)計運算處理，分別將每個像元歸納到由圖像各波段構(gòu)成的多維空間的集群中，達(dá)到分類識別的目的。一、分類原理與過程2.方法一、分類原理與過程16一、分類原理與過程2.方法（2）監(jiān)督分類方法定義：監(jiān)督分類又稱訓(xùn)練場地法或先學(xué)習(xí)后分類法。它是先選擇具有代表性的典型試驗區(qū)或訓(xùn)練區(qū)，用訓(xùn)練區(qū)已知地面樣本的光譜特征來“訓(xùn)練”計算機，獲得識別各類地物的判別模式或判別函數(shù)，并依此模式或判別函數(shù)，對未知地區(qū)的像元進(jìn)行處理分類，分別歸入到已知的類別中，達(dá)到自動分類識別的目的。一、分類原理與過程2.方法173.過程（1）明確分類目的，選取數(shù)字圖像；（2）收集、分析地面參考信息和有關(guān)數(shù)據(jù)；數(shù)字圖像預(yù)處理（幾何糾正、輻射糾正）；（3）比選合適的分類方法和算法，制定分類系統(tǒng)；（4）找出代表這些類別的統(tǒng)計特征；（5）采用訓(xùn)練場地（監(jiān)督分類中）或聚類方法（非監(jiān)督分類中）測定總體特征；（6）對各未知像素分類；（7）分類精度檢查（用訓(xùn)練數(shù)據(jù)或隨機抽樣數(shù)據(jù)）；（8）對判別分析的結(jié)果統(tǒng)計檢驗；一、分類原理與過程3.過程一、分類原理與過程18非監(jiān)督分類的前提：

假定遙感影像上同類物體在同樣條件下具有相同的光譜信息特征。完全按照像元的光譜信息特征進(jìn)行分類，適用于對分類區(qū)不了解的情況。自動化程度高。二、分類方法（一）——非監(jiān)督分類非監(jiān)督分類的前提：二、分類方法（一）——非監(jiān)督分類19分類步驟：

初始分類專題判別分類合并色彩確定分類后處理色彩重定義柵格矢量轉(zhuǎn)換統(tǒng)計分析二、分類方法（一）——非監(jiān)督分類分類步驟：二、分類方法（一）——非監(jiān)督分類20常用方法

（1）分級集群法（2）動態(tài)聚類法二、分類方法（一）——非監(jiān)督分類常用方法二、分類方法（一）——非監(jiān)督分類21（1）分級集群法當(dāng)同類物體聚集分布在一定的空間位置上，他們在同樣條件下應(yīng)具有相同的光譜信息特征，這時其他類別的物體應(yīng)聚集分布在不同的空間位置上。由于不同地物的輻射特性不同，反映在直方圖上會出現(xiàn)很多峰值及其對應(yīng)的一些眾數(shù)灰度值，他們在圖像上對應(yīng)的像元分別傾向于聚集在各自不同的重數(shù)附近的灰度空間形成的很多點群，這些點群就叫做群集。一個群集就是一個分類。二、分類方法（一）——非監(jiān)督分類（1）分級集群法二、分類方法（一）——非監(jiān)督分類22分級集群法的分類過程確定相似程度指標(biāo)初定分類種數(shù)計算樣本間距離歸并成新類別二、分類方法（一）——非監(jiān)督分類分級集群法的分類過程二、分類方法（一）——非監(jiān)督分類23分級集群法的缺點

在迭代過程中沒有調(diào)整類別總數(shù)的措施，操作次序不同會產(chǎn)生不同的分類結(jié)果。二、分類方法（一）——非監(jiān)督分類分級集群法的缺點二、分類方法（一）——非監(jiān)督分類24（2）動態(tài)聚類法

在初始狀態(tài)給出圖像粗糙的分類，然后基于一定的原則在類別間重新組合樣本，直到分類比較合理為止，這種分類方法就叫-。代表：迭代自組織數(shù)據(jù)分析技術(shù)，ISODATA（Interative-OrgnizingDataAnalysizeTechnigue）。二、分類方法（一）——非監(jiān)督分類（2）動態(tài)聚類法二、分類方法（一）——非監(jiān)督分類25動態(tài)聚類法分類過程選擇初始類聚類中心分配各像元到最近的類別中去計算并改正重新組合的類別中心二、分類方法（一）——非監(jiān)督分類動態(tài)聚類法分類過程二、分類方法（一）——非監(jiān)督分類26監(jiān)督分類方法

定義：監(jiān)督分類又稱訓(xùn)練場地法或先學(xué)習(xí)后分類法。它是先選擇具有代表性的典型試驗區(qū)或訓(xùn)練區(qū)，用訓(xùn)練區(qū)已知地面樣本的光譜特征來“訓(xùn)練”計算機，獲得識別各類地物的判別模式或判別函數(shù)，并依此模式或判別函數(shù)，對未知地區(qū)的像元進(jìn)行處理分類，分別歸入到已知的類別中，達(dá)到自動分類識別的目的。二、分類方法（二）——監(jiān)督分類監(jiān)督分類方法二、分類方法（二）——監(jiān)督分類27訓(xùn)練場地的選擇：

要具有代表性（目標(biāo)地物中心較大的區(qū)域選取）；

數(shù)目要包含足夠的信息；二、分類方法（二）——監(jiān)督分類訓(xùn)練場地的選擇：二、分類方法（二）——監(jiān)督分類28分類步驟：

建立模板（訓(xùn)練樣本）評價模板確定初步分類結(jié)果檢驗分類結(jié)果分類后處理分類統(tǒng)計特征柵格矢量轉(zhuǎn)換統(tǒng)計分析二、分類方法（二）——監(jiān)督分類分類步驟：二、分類方法（二）——監(jiān)督分類29常用方法（1）最小距離分類法

以特征空間中的距離作為像素分類的依據(jù)。1）最小距離判別法2）最近領(lǐng)域分類法（多光譜）原理簡單，分類精度不高，計算速度快，常在快速瀏覽分類概況中使用。二、分類方法（二）——監(jiān)督分類常用方法二、分類方法（二）——監(jiān)督分類30常用方法（2）多級切割分類法

在各軸上設(shè)定分割點，將多維特征空間劃分成對應(yīng)不同分類類別的互不重疊的特征子空間。優(yōu)：便于直觀理解如何分割特征空間，以及待分類像素如何與分類類別相對應(yīng)。缺：多級分割法要求分割面總是與各特征軸正交，如果各類別在特征空間中呈現(xiàn)傾斜分布，就會產(chǎn)生分類誤差!因此，需要先進(jìn)行主成分分析，或正交變換，然后進(jìn)行多級分割。常用方法（2）多級切割分類法31常用方法（3）特征曲線窗口法

以特征曲線為小心取一個條帶，構(gòu)造一個窗口，凡是落在此窗口范圍內(nèi)的地物即被認(rèn)為是一類，反之，則不屬于該類。分類依據(jù)：相同的地物在相同的地域環(huán)境及成像條件下，特征曲線是相同或相近的，不同地物的特征曲線差別明顯。

常用方法（3）特征曲線窗口法32常用方法（4）最大似然比分類法

通過求出每個像素對于各類別的歸屬概率，把該像素分到歸屬概率最大的類別中去的方法。利用訓(xùn)練區(qū)求出均值、方差以及協(xié)方差等待征參數(shù)，從而求出總體的先驗概率密度函數(shù)。條件：總體分布不符合正態(tài)分布時，其分類可靠件將下降，這種情況下不宜采用最大似然比分類法。最大似然比分類法在多類別分類時，常采用統(tǒng)計學(xué)方法建守起一個判別函數(shù)集，然后根據(jù)這個判別函數(shù)集計算各待分像元的歸屬概率。常用方法（4）最大似然比分類法33監(jiān)督分類和非監(jiān)督分類方法比較（小結(jié)）根本區(qū)別：是否利用訓(xùn)練場地來獲取先驗類別知識。監(jiān)督分類根據(jù)訓(xùn)練場提供的樣本選擇特征參數(shù)，建立判別函數(shù)。訓(xùn)練場地選擇是監(jiān)督分類的關(guān)鍵。對于不熟悉區(qū)域情況的人來說，選擇足夠數(shù)量的訓(xùn)練場地帶來很大的工作量。由于訓(xùn)練場地要求有代表性，訓(xùn)練樣本的選擇既要考慮到地物光譜特征，樣本數(shù)目有要能滿足分類的要求，常難周全，這是監(jiān)督分類不足之處。監(jiān)督分類和非監(jiān)督分類方法比較（小結(jié)）根本區(qū)別：是否利用訓(xùn)練場34相比之下，非監(jiān)督分類不需要更多的先驗知識，分類方法簡單，且分類具有一定的精度。當(dāng)光譜特征類能夠和唯一的地物類型(水體、植被)相對應(yīng)時，非監(jiān)督分類可取得較好分類效果。當(dāng)兩種地物類型對應(yīng)的光譜特征類差異很小時，非監(jiān)督分類效果不如監(jiān)督分類效果好。共同點：分類效果的好壞需要經(jīng)過實際調(diào)查來檢驗。監(jiān)督分類和非監(jiān)督分類方法比較（小結(jié)）相比之下，非監(jiān)督分類不需要更多的先驗知識，分類方法簡單，且35（1）未充分利用遙感圖像提供的有用信息

遙感數(shù)字圖像計算機分類的依據(jù)是像素具有的多光譜特征，并沒有考慮相鄰像素間的關(guān)系。例如，被湖泊包圍的島嶼，通過分類僅能將陸地與水體區(qū)別，但不能將島嶼與臨近的陸地(假定二者地面覆蓋類型相同，具有同樣的光譜特征)識別出來。這種方法的主要缺陷在于地物識別與分類中沒有利用到地物空間關(guān)系等方面的信息。（將同一類型分成了兩類）圖像分類中存在的問題（1）未充分利用遙感圖像提供的有用信息圖像分類中存在的問題36

統(tǒng)計模式識別以像素作為識別的基本單元，未能利用圖像中提供的形狀和空間位置特征，其本質(zhì)是地物光譜特征的分類。例如，根據(jù)水體的光譜特征，在分類過程中可以識別構(gòu)成水體的像素，但計算機無法確定一定空間范圍的水體究竟是湖泊還是河流。這個問題如果引入地物形狀特征則可以識別。顯然，遙感圖像計算機分類未能充分利用遙感圖像提供的多種信息。因此圖像分類后，可以利用分類的結(jié)果，將這些目標(biāo)對象進(jìn)行重組，在區(qū)域分割或邊界跟蹤的基礎(chǔ)上抽取遙感圖像形態(tài)、紋理特征和空間關(guān)系等特征，然后利用這些特征對圖像進(jìn)行解譯。圖像分類中存在的問題統(tǒng)計模式識別以像素作為識別的基本單元37（2）提高遙感圖像分類精度受到限制分類精度是指與實際地物相比的正確率。正確率包括地物屬性被正確識別，以及它們在空間分布的面積被準(zhǔn)確度量。遙感數(shù)字圖像分類結(jié)果在沒有經(jīng)過專家檢驗和多次糾正的情況下，分類精度一般不超過90％（通常60%）。圖像分類中存在的問題（2）提高遙感圖像分類精度受到限制圖像分類中存在的問題38影響遙感圖像分類精度的幾個客觀因素：1)大氣狀況的影響

地物輻射電磁波，必須經(jīng)過大氣層才能到達(dá)傳感器，大氣衰減作用，導(dǎo)致遙感圖像灰度級產(chǎn)生偏移；對多時相圖像進(jìn)行分類處理時，由于不同時間大氣成分以及濕度不同，散射影響也不同，因此遙感圖像中的灰度值不完全反映目標(biāo)地物輻射電磁波的特征。為了提高遙感圖像分類的精度，必須在圖像分類以前進(jìn)行大氣糾正。圖像分類中存在的問題影響遙感圖像分類精度的幾個客觀因素：圖像分類中存在的問題392)下墊面的影響a.墊面的覆蓋類型和起伏狀態(tài)對分類產(chǎn)生影響。受空間分辨率限制，農(nóng)田中的植被、土壤和水渠，石質(zhì)山地稀疏的灌叢和裸露的巖石均會形成混合像元，影響分類精度。解決方法：在分類前分解混合像元，分解成子像元后再分類。b.山區(qū)向陰陽面的同一類地物，由于電磁波輻射能量不同，其灰度值也存在差異，容易造成分類錯誤。解決方法：地形起伏變化大時，用比值圖像代替原圖像進(jìn)行分類。圖像分類中存在的問題2)下墊面的影響圖像分類中存在的問題403)其他因素的影響

云朵會遮蓋目標(biāo)地物的電磁波輻射，影響圖像分類。對于圖像中僅有少量云朵時，分類前可以采用去噪音方法進(jìn)行清除。

多時相圖像分類時，不同景的圖像由于成像時光照條件的差別，同一地物電磁波輻射量存在差別，這也會對分類產(chǎn)生影響。

地物邊界的多樣性，使得判定類別的邊界往往是很困難的事。例如，湖泊和陸地具有明確的界線，但森林和草地的界線則不明顯，不少地物類型間還存在著過渡地帶。提高分類精度，既需要對圖像進(jìn)行分類前預(yù)處理，也需要選擇合適的分類方法。圖像分類中存在的問題3)其他因素的影響圖像分類中存在的問題41四、遙感圖像解譯專家系統(tǒng)四、遙感圖像解譯專家系統(tǒng)42遙感圖像解譯專家系統(tǒng)是模式識別與人工智能技術(shù)相結(jié)合的產(chǎn)物模式識別,獲取地物多種特征,為專家解譯遙感圖像提供證據(jù)。人工智能技術(shù)，模擬遙感圖像目視解譯的具體思維過程，進(jìn)行遙感圖像解譯。遙感圖像解譯專家系統(tǒng)是模式識別與人工智能技術(shù)相結(jié)合的產(chǎn)物43遙感圖像解譯專家系統(tǒng)的組成解譯知識庫對遙感圖像進(jìn)行處理、分類和特征提取從解譯專家獲取解譯知識，構(gòu)成圖像解譯知識庫。

在基于知識指導(dǎo)下，由計算機完成遙感圖像解譯。遙感圖像解譯專家系統(tǒng)的組成解譯知識庫44遙感圖像解譯專家系統(tǒng)的組成（三個部分）圖像處理與特征提取子系統(tǒng)遙感圖像解譯知識獲取子系統(tǒng)狹義的遙感圖像解譯專家系統(tǒng)遙感圖像解譯專家系統(tǒng)的組成（三個部分）圖像處理與特征提取子系45圖像處理圖像前期處理、空間增強、幾何校正。特征提取從圖像中抽取光譜特征、形狀特征、空間特征，為專家系統(tǒng)提供推理、判讀、及分析的客觀依據(jù)。遙感圖像解譯專家系統(tǒng)的組成圖像處理與特征提取子系統(tǒng)遙感圖像解譯知識獲取子系統(tǒng)狹義的遙感圖像解譯專家系統(tǒng)圖像處理圖像前期處理、空間增強、幾何校正。遙感圖像解譯專46三個層次：增加遙感解譯新知識解譯知識獲取、圖像背景知識獲取。能夠發(fā)現(xiàn)不全的解譯知識，修改、補充解譯知識。創(chuàng)造性知識獲取自動總結(jié)解譯知識，增加解譯知識遙感圖像解譯專家系統(tǒng)的組成圖像處理與特征提取子系統(tǒng)遙感圖像解譯知識獲取子系統(tǒng)狹義的遙感圖像解譯專家系統(tǒng)三個層次：遙感圖像解譯專家系統(tǒng)的組成圖像處理與特征提取子系統(tǒng)47遙感圖像解譯專家系統(tǒng)的組成圖像處理與特征提取子系統(tǒng)遙感圖像解譯知識獲取子系統(tǒng)狹義的遙感圖像解譯專家系統(tǒng)遙感圖像解譯專家系統(tǒng)的組成圖像處理與特征提取子系統(tǒng)48遙感影像計算機分類Dept.ofLandInformationEngineeringChuzhouUniversity遙感影像計算機分類49第三節(jié)遙感數(shù)字圖像的計算機分類遙感圖像解譯專家系統(tǒng)是模式識別與人工智能技術(shù)相結(jié)課件50本節(jié)內(nèi)容一、分類原理與過程二、分類方法三、遙感圖像解譯專家系統(tǒng)本節(jié)內(nèi)容一、分類原理與過程51一、分類原理與過程1.概述2.方法3.過程遙感數(shù)字圖像的計算機分類一、分類原理與過程1.概述遙感數(shù)字圖像的計算機分類52一、分類原理與過程1.概述定義（計算機自動識別）：自然界中不同類型的地物具有各自不同的電磁波譜特性，遙感數(shù)字圖像中像元的不同數(shù)值（亮度值）反映了相應(yīng)地物的波譜特性。因此，通過計算機對圖像像元的數(shù)值的統(tǒng)計、運算、對比和歸納，對像元進(jìn)行分類，即可達(dá)到對地物的自動識別，這種技術(shù)處理稱為~。一、分類原理與過程1.概述定義（計算機自動識別）：53例如：你身高1.9m，體重100kg99%你是男人身高/體重=？嬰兒、兒童、青少年、青年、中年……1.概述所依賴的理論方法：統(tǒng)計模式識別，提取待識別模式的一組統(tǒng)計特征值，然后按照一定準(zhǔn)則作出分類決策。一、分類原理與過程例如：1.概述所依賴的理論方法：一、分類原理與過程541.概述遙感圖像分類中所用統(tǒng)計特征變量：

全局統(tǒng)計特征變量：將整個數(shù)字圖像作為研究對象，從整個圖像中獲取或進(jìn)行變換處理后獲取變量；

局部統(tǒng)計特征變量：將數(shù)字圖像分割為不同識別單元，在各單元內(nèi)分別抽取的統(tǒng)計特征變量（如描述紋理的特征量）。例如，1-7波段亮度值是特征變量x1,x2,…,x7；組合運算也可產(chǎn)生特征變量。一、分類原理與過程1.概述遙感圖像分類中所用統(tǒng)計特征變量：一、分類原理與過程551.概述利用統(tǒng)計特征變量進(jìn)行分類，需要：（1）變量能反映分類特征的區(qū)別；將人分嬰兒、兒童…，要選擇特征變量“年齡”，而不是身高、體重、性別、民族…波段1-7分別反映對不同波段的反射率差異，但如果進(jìn)行熱分布制圖，主要依據(jù)熱紅外波段(6)，而不用其他波段值。（2）如果有幾個特征變量，盡可能使其：區(qū)分不同的特征如，通過主成分變換，將相互之間存在相關(guān)性的原始波段遙感圖像轉(zhuǎn)換為相互獨立的多波段新圖像，變換后的信息集中于前幾個組分的圖像上，實現(xiàn)特征空間將維數(shù)壓縮的目的。一、分類原理與過程1.概述一、分類原理與過程561.概述遙感圖像計算機分類的依據(jù)——圖像像素的相似度一組圖像（原始的、主成分變換后的、或其它運算產(chǎn)生的）每個像素對應(yīng)有1組特征值該像素所屬類別？同類別的像素應(yīng)當(dāng)特征相似特征值具有較高相似度一、分類原理與過程1.概述遙感圖像計算機分類的依據(jù)——圖像像素的相似度一、分類571.概述相似度的衡量方法，常采用距離、相關(guān)系數(shù)衡量：（1）絕對值距離（2）歐氏距離（3）馬氏距離（4）混合距離（5）相關(guān)系數(shù)例，已知分類標(biāo)準(zhǔn)：類別嬰兒[0-2]，平均1歲；兒童3-9，平均6歲；少年……；問:8歲的人是哪一類？——混合距離發(fā)現(xiàn)，離兒童平均年齡6歲差值2，最接近所以是“兒童”類一、分類原理與過程1.概述相似度的衡量方法，常采用距離、相關(guān)系數(shù)衡量：一、分類58（1）絕對值距離

i，j為特征空間中兩點（1）絕對值距離59（2）歐式距離在二維和三維空間中的歐式距離的就是兩點之間的距離，二維的公式是

d=sqrt((x1-x2)^+(y1-y2)^)

三維的公式是

d=sqrt(x1-x2)^+(y1-y2)^+z1-z2)^)

推廣到n維空間，歐式距離的公式是

d=sqrt(∑(xi1-xi2)^)這里i=1,2..n

xi1表示第一個點的第i維坐標(biāo),xi2表示第二個點的第i維坐標(biāo)

（2）歐式距離在二維和三維空間中的歐式距離的就是兩點之間的距60（3）馬氏距離即考慮離散度，也考慮到各軸間總體分布的相關(guān)性（協(xié)方差）。為協(xié)方差矩陣（3）馬氏距離即考慮離散度，也考慮到各軸間總體分布的相關(guān)性（61（4）混合距離像元i到第g類類均值的混合距離。（5）相關(guān)系數(shù)（4）混合距離（5）相關(guān)系數(shù)622.方法（1）非監(jiān)督分類方法（2）監(jiān)督分類方法一、分類原理與過程2.方法一、分類原理與過程632.方法（1）非監(jiān)督分類方法定義：非監(jiān)督分類又稱邊學(xué)習(xí)邊分類法。它直接對輸入的數(shù)字圖像像元數(shù)值（亮度值）進(jìn)行統(tǒng)計運算處理，分別將每個像元歸納到由圖像各波段構(gòu)成的多維空間的集群中，達(dá)到分類識別的目的。一、分類原理與過程2.方法一、分類原理與過程64一、分類原理與過程2.方法（2）監(jiān)督分類方法定義：監(jiān)督分類又稱訓(xùn)練場地法或先學(xué)習(xí)后分類法。它是先選擇具有代表性的典型試驗區(qū)或訓(xùn)練區(qū)，用訓(xùn)練區(qū)已知地面樣本的光譜特征來“訓(xùn)練”計算機，獲得識別各類地物的判別模式或判別函數(shù)，并依此模式或判別函數(shù)，對未知地區(qū)的像元進(jìn)行處理分類，分別歸入到已知的類別中，達(dá)到自動分類識別的目的。一、分類原理與過程2.方法653.過程（1）明確分類目的，選取數(shù)字圖像；（2）收集、分析地面參考信息和有關(guān)數(shù)據(jù)；數(shù)字圖像預(yù)處理（幾何糾正、輻射糾正）；（3）比選合適的分類方法和算法，制定分類系統(tǒng)；（4）找出代表這些類別的統(tǒng)計特征；（5）采用訓(xùn)練場地（監(jiān)督分類中）或聚類方法（非監(jiān)督分類中）測定總體特征；（6）對各未知像素分類；（7）分類精度檢查（用訓(xùn)練數(shù)據(jù)或隨機抽樣數(shù)據(jù)）；（8）對判別分析的結(jié)果統(tǒng)計檢驗；一、分類原理與過程3.過程一、分類原理與過程66非監(jiān)督分類的前提：

假定遙感影像上同類物體在同樣條件下具有相同的光譜信息特征。完全按照像元的光譜信息特征進(jìn)行分類，適用于對分類區(qū)不了解的情況。自動化程度高。二、分類方法（一）——非監(jiān)督分類非監(jiān)督分類的前提：二、分類方法（一）——非監(jiān)督分類67分類步驟：

初始分類專題判別分類合并色彩確定分類后處理色彩重定義柵格矢量轉(zhuǎn)換統(tǒng)計分析二、分類方法（一）——非監(jiān)督分類分類步驟：二、分類方法（一）——非監(jiān)督分類68常用方法

（1）分級集群法（2）動態(tài)聚類法二、分類方法（一）——非監(jiān)督分類常用方法二、分類方法（一）——非監(jiān)督分類69（1）分級集群法當(dāng)同類物體聚集分布在一定的空間位置上，他們在同樣條件下應(yīng)具有相同的光譜信息特征，這時其他類別的物體應(yīng)聚集分布在不同的空間位置上。由于不同地物的輻射特性不同，反映在直方圖上會出現(xiàn)很多峰值及其對應(yīng)的一些眾數(shù)灰度值，他們在圖像上對應(yīng)的像元分別傾向于聚集在各自不同的重數(shù)附近的灰度空間形成的很多點群，這些點群就叫做群集。一個群集就是一個分類。二、分類方法（一）——非監(jiān)督分類（1）分級集群法二、分類方法（一）——非監(jiān)督分類70分級集群法的分類過程確定相似程度指標(biāo)初定分類種數(shù)計算樣本間距離歸并成新類別二、分類方法（一）——非監(jiān)督分類分級集群法的分類過程二、分類方法（一）——非監(jiān)督分類71分級集群法的缺點

在迭代過程中沒有調(diào)整類別總數(shù)的措施，操作次序不同會產(chǎn)生不同的分類結(jié)果。二、分類方法（一）——非監(jiān)督分類分級集群法的缺點二、分類方法（一）——非監(jiān)督分類72（2）動態(tài)聚類法

在初始狀態(tài)給出圖像粗糙的分類，然后基于一定的原則在類別間重新組合樣本，直到分類比較合理為止，這種分類方法就叫-。代表：迭代自組織數(shù)據(jù)分析技術(shù)，ISODATA（Interative-OrgnizingDataAnalysizeTechnigue）。二、分類方法（一）——非監(jiān)督分類（2）動態(tài)聚類法二、分類方法（一）——非監(jiān)督分類73動態(tài)聚類法分類過程選擇初始類聚類中心分配各像元到最近的類別中去計算并改正重新組合的類別中心二、分類方法（一）——非監(jiān)督分類動態(tài)聚類法分類過程二、分類方法（一）——非監(jiān)督分類74監(jiān)督分類方法

定義：監(jiān)督分類又稱訓(xùn)練場地法或先學(xué)習(xí)后分類法。它是先選擇具有代表性的典型試驗區(qū)或訓(xùn)練區(qū)，用訓(xùn)練區(qū)已知地面樣本的光譜特征來“訓(xùn)練”計算機，獲得識別各類地物的判別模式或判別函數(shù)，并依此模式或判別函數(shù)，對未知地區(qū)的像元進(jìn)行處理分類，分別歸入到已知的類別中，達(dá)到自動分類識別的目的。二、分類方法（二）——監(jiān)督分類監(jiān)督分類方法二、分類方法（二）——監(jiān)督分類75訓(xùn)練場地的選擇：

要具有代表性（目標(biāo)地物中心較大的區(qū)域選?。?；

數(shù)目要包含足夠的信息；二、分類方法（二）——監(jiān)督分類訓(xùn)練場地的選擇：二、分類方法（二）——監(jiān)督分類76分類步驟：

建立模板（訓(xùn)練樣本）評價模板確定初步分類結(jié)果檢驗分類結(jié)果分類后處理分類統(tǒng)計特征柵格矢量轉(zhuǎn)換統(tǒng)計分析二、分類方法（二）——監(jiān)督分類分類步驟：二、分類方法（二）——監(jiān)督分類77常用方法（1）最小距離分類法

以特征空間中的距離作為像素分類的依據(jù)。1）最小距離判別法2）最近領(lǐng)域分類法（多光譜）原理簡單，分類精度不高，計算速度快，常在快速瀏覽分類概況中使用。二、分類方法（二）——監(jiān)督分類常用方法二、分類方法（二）——監(jiān)督分類78常用方法（2）多級切割分類法

在各軸上設(shè)定分割點，將多維特征空間劃分成對應(yīng)不同分類類別的互不重疊的特征子空間。優(yōu)：便于直觀理解如何分割特征空間，以及待分類像素如何與分類類別相對應(yīng)。缺：多級分割法要求分割面總是與各特征軸正交，如果各類別在特征空間中呈現(xiàn)傾斜分布，就會產(chǎn)生分類誤差!因此，需要先進(jìn)行主成分分析，或正交變換，然后進(jìn)行多級分割。常用方法（2）多級切割分類法79常用方法（3）特征曲線窗口法

以特征曲線為小心取一個條帶，構(gòu)造一個窗口，凡是落在此窗口范圍內(nèi)的地物即被認(rèn)為是一類，反之，則不屬于該類。分類依據(jù)：相同的地物在相同的地域環(huán)境及成像條件下，特征曲線是相同或相近的，不同地物的特征曲線差別明顯。

常用方法（3）特征曲線窗口法80常用方法（4）最大似然比分類法

通過求出每個像素對于各類別的歸屬概率，把該像素分到歸屬概率最大的類別中去的方法。利用訓(xùn)練區(qū)求出均值、方差以及協(xié)方差等待征參數(shù)，從而求出總體的先驗概率密度函數(shù)。條件：總體分布不符合正態(tài)分布時，其分類可靠件將下降，這種情況下不宜采用最大似然比分類法。最大似然比分類法在多類別分類時，常采用統(tǒng)計學(xué)方法建守起一個判別函數(shù)集，然后根據(jù)這個判別函數(shù)集計算各待分像元的歸屬概率。常用方法（4）最大似然比分類法81監(jiān)督分類和非監(jiān)督分類方法比較（小結(jié)）根本區(qū)別：是否利用訓(xùn)練場地來獲取先驗類別知識。監(jiān)督分類根據(jù)訓(xùn)練場提供的樣本選擇特征參數(shù)，建立判別函數(shù)。訓(xùn)練場地選擇是監(jiān)督分類的關(guān)鍵。對于不熟悉區(qū)域情況的人來說，選擇足夠數(shù)量的訓(xùn)練場地帶來很大的工作量。由于訓(xùn)練場地要求有代表性，訓(xùn)練樣本的選擇既要考慮到地物光譜特征，樣本數(shù)目有要能滿足分類的要求，常難周全，這是監(jiān)督分類不足之處。監(jiān)督分類和非監(jiān)督分類方法比較（小結(jié)）根本區(qū)別：是否利用訓(xùn)練場82相比之下，非監(jiān)督分類不需要更多的先驗知識，分類方法簡單，且分類具有一定的精度。當(dāng)光譜特征類能夠和唯一的地物類型(水體、植被)相對應(yīng)時，非監(jiān)督分類可取得較好分類效果。當(dāng)兩種地物類型對應(yīng)的光譜特征類差異很小時，非監(jiān)督分類效果不如監(jiān)督分類效果好。共同點：分類效果的好壞需要經(jīng)過實際調(diào)查來檢驗。監(jiān)督分類和非監(jiān)督分類方法比較（小結(jié)）相比之下，非監(jiān)督分類不需要更多的先驗知識，分類方法簡單，且83（1）未充分利用遙感圖像提供的有用信息

遙感數(shù)字圖像計算機分類的依據(jù)是像素具有的多光譜特征，并沒有考慮相鄰像素間的關(guān)系。例如，被湖泊包圍的島嶼，通過分類僅能將陸地與水體區(qū)別，但不能將島嶼與臨近的陸地(假定二者地面覆蓋類型相同，具有同樣的光譜特征)識別出來。這種方法的主要缺陷在于地物識別與分類中沒有利用到地物空間關(guān)系等方面的信息。（將同一類型分成了兩類）圖像分類中存在的問題（1）未充分利用遙感圖像提供的有用信息圖像分類中存在的問題84

統(tǒng)計模式識別以像素作為識別的基本單元，未能利用圖像中提供的形狀和空間位置特征，其本質(zhì)是地物光譜特征的分類。例如，根據(jù)水體的光譜特征，在分類過程中可以識別構(gòu)成水體的像素，但計算機無法確定一定空間范圍的水體究竟是湖泊還是河流。這個問題如果引入地物形狀特征則可以識別。顯然，遙感圖像計算機分類未能充分利用遙感圖像提供的多種信息。因此圖像分類后，可以利用分類的結(jié)果，將這些目標(biāo)對象進(jìn)行重組，在區(qū)域分割或邊界跟蹤的基礎(chǔ)上抽取遙感圖像形態(tài)、紋理特征和空間關(guān)系等特征，然后利用這些特征對圖像進(jìn)行解譯。圖像分類中存在的問題統(tǒng)計模式識別以像素作為識別的基本單元85（2）提高遙感圖像分類精度受到限制分類精度是指與實際地物相比的正確率。正確率包括地物屬性被正確識別，以及它們在空間分布的面積被準(zhǔn)確度量。遙感數(shù)字圖像分類結(jié)果在沒有經(jīng)過專家檢驗和多次糾正的情況下，分類精度一般不超過90％（通常60%）。圖像分類中存在的問題（2）提高遙感圖像分類精度受到限制圖像分類中存在的問題86影響遙感圖像分類精度的幾個客觀因素：1)大氣狀況的影響

地物輻射電磁波，必須經(jīng)過大氣層才能到達(dá)傳感器，大氣衰減作用，導(dǎo)致