遙感導(dǎo)論數(shù)字圖像計(jì)算機(jī)解譯

第八章數(shù)字圖像計(jì)算機(jī)解譯本章主要內(nèi)容計(jì)算機(jī)分類的基本概念非監(jiān)督分類監(jiān)督分類分類后處理計(jì)算機(jī)解譯以遙感數(shù)字圖像為研究對(duì)象，在計(jì)算機(jī)系統(tǒng)支持下，綜合運(yùn)用地學(xué)分析、遙感圖像處理、地理信息系統(tǒng)、模式識(shí)別與人工智能技術(shù)，實(shí)現(xiàn)地學(xué)專題信息的智能化獲取?！詣?dòng)分類遙感影像監(jiān)督分類圖圖例數(shù)字圖像單位：像素方法：灰度量化；數(shù)字化特點(diǎn)：便于處理；信息損失小；抽象存儲(chǔ)：二維矩陣分類：波段數(shù)量2.計(jì)算機(jī)分類統(tǒng)計(jì)模式識(shí)別技術(shù)分類依據(jù)：地物光譜特征統(tǒng)計(jì)特征變量

——全局；局部特征提取

——從n個(gè)特征中選取k個(gè)更有效特征的過程特征空間計(jì)算機(jī)分類的依據(jù)是圖像像素的相似度。使用距離衡量相似度時(shí)，距離越小相似度越大使用相關(guān)系數(shù)衡量相似度時(shí)，相關(guān)程度越大，相似度越大計(jì)算機(jī)分類方法（模式識(shí)別：光譜，時(shí)間）監(jiān)督分類法：首先從研究區(qū)域選取有代表性的訓(xùn)練場(chǎng)地作為樣本。根據(jù)已知訓(xùn)練區(qū)提供的樣本，通過選擇特征參數(shù)，建立判別函數(shù)，據(jù)此對(duì)樣本像元進(jìn)行分類，依據(jù)樣本類別特征來識(shí)別非樣本像元的歸屬類別。非監(jiān)督分類法：在沒有先驗(yàn)類別（訓(xùn)練場(chǎng)地）作為樣本的條件下，即事先不知道類別特征，主要根據(jù)像元間相似度的大小來進(jìn)行歸類合并（將相似度大的像元?dú)w為一類）的方法。根據(jù)圖像分類目的選取特定區(qū)域的遙感數(shù)字圖像，需考慮圖像的空間分辨率、光譜分辨率、成像時(shí)間、圖像質(zhì)量等。根據(jù)研究區(qū)域，收集和分析地面參考信息和有關(guān)數(shù)據(jù)。根據(jù)分類要求和圖像數(shù)據(jù)的特征，選擇合適的圖像分類方法和算法。找出代表這些類別的統(tǒng)計(jì)特征。為測(cè)定總體特征，在監(jiān)督分類中可選擇據(jù)有代表性的訓(xùn)練場(chǎng)地進(jìn)行采樣，測(cè)定其特征。在非監(jiān)督分類中，可用聚類等方法對(duì)特征相似的像素進(jìn)行歸類，測(cè)定其特征。對(duì)遙感圖像中各像素進(jìn)行分類。分類精度檢查。對(duì)判別分析的結(jié)果統(tǒng)計(jì)檢驗(yàn)。

數(shù)字圖像分類基本過程非監(jiān)督分類1.

分級(jí)集群法(均值)?確定評(píng)價(jià)各樣本相似程度所采用的指標(biāo)?初定分類總數(shù)N?計(jì)算樣本間的距離，據(jù)距離最近原則將樣本歸并到相應(yīng)地類?歸并后的類別作為新類，與剩余的類別重新組合，重新計(jì)算改正距離值。分級(jí)進(jìn)行，初始像元操作次序會(huì)影響分類結(jié)果。2.數(shù)字圖像分類方法非監(jiān)督分類2.

動(dòng)態(tài)聚類法?在初始狀態(tài)給出圖像粗糙的分類，然后基于一定原則在類別間重新組合樣本，直到分類比較合理為止。?ISODATA

（Iterative-OrgnizingDataAnalysizeTechnique）?迭代過程中有類別的合并和分裂，類別總數(shù)可變。2.數(shù)字圖像分類方法數(shù)字圖像分類方法監(jiān)督分類最小距離分類法?最小距離判別法?最近鄰域分類法監(jiān)督分類2.

最大似然比分類法?通過求出每個(gè)像素對(duì)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。?假定訓(xùn)練區(qū)地物的光譜特征和自然界大部分隨機(jī)現(xiàn)象一樣，近似服從正態(tài)分布。數(shù)字圖像分類方法監(jiān)督分類3.

特征曲線窗口法?特征曲線是地物光譜特征曲線參數(shù)構(gòu)成的曲線。?以特征曲線為中心取一個(gè)條帶，構(gòu)造一個(gè)平行管道，凡是落在此管道內(nèi)的地物即被認(rèn)為是一類，反之，則不屬于該類。數(shù)字圖像分類方法監(jiān)督分類步驟選擇有代表性的訓(xùn)練場(chǎng)，確定各地物范圍界限統(tǒng)計(jì)各類地物光譜值，提取各地物的數(shù)值特征確定分類判別函數(shù)確定分類參數(shù)、閾值等；各類地物像元數(shù)值分布都圍繞一個(gè)中心特征值散布在空間的一定范圍，因此給出各類地物的判別閾值，限定分布范圍，即可構(gòu)成分類器來判定類別數(shù)字圖像分類方法監(jiān)督分類與非監(jiān)督分類比較根本區(qū)別在于是否利用訓(xùn)練場(chǎng)地來獲取先驗(yàn)的類別知識(shí)。監(jiān)督分類的關(guān)鍵是選擇訓(xùn)練場(chǎng)地。訓(xùn)練場(chǎng)地要有代表性，樣本數(shù)目要能夠滿足分類要求。此為監(jiān)督分類的不足之處。非監(jiān)督分類不需要更多的先驗(yàn)知識(shí)，據(jù)地物的光譜統(tǒng)計(jì)特性進(jìn)行分類。當(dāng)兩地物類型對(duì)應(yīng)的光譜特征差異很小時(shí)，分類效果不如監(jiān)督分類效果好數(shù)字圖像分類方法分類后處理與誤差分析聚類統(tǒng)計(jì)（小斑的類別的合并）過濾分析（篩濾）去除分析（臨近類別的歸并）分類重編碼（非監(jiān)督分類）數(shù)字圖像分類方法數(shù)字圖像分類方法精度評(píng)價(jià)檢驗(yàn)數(shù)據(jù)檢驗(yàn)數(shù)據(jù)主要來自于地面實(shí)況的調(diào)查或更高空間分辨率的航空?qǐng)D像的目視解譯結(jié)果。根據(jù)航空影像解譯結(jié)果往往產(chǎn)生保守的精度。遙感處理軟件中通過定義ROI來實(shí)現(xiàn)。精度評(píng)價(jià)采樣方法①簡(jiǎn)單隨機(jī)采樣（SimpleRandomSampling）②分層隨機(jī)采樣（StratifiedSimpleRandomSampling）③聚類采樣（ClusterSampling）④系統(tǒng)采樣（SystemSampling）⑤分層系統(tǒng)采樣（StratifiedSystemSampling）檢驗(yàn)樣本的采樣方法是影響精度評(píng)價(jià)結(jié)果的重要因素。精度評(píng)價(jià)混淆矩陣運(yùn)行誤差（CommitError）=(E+F)/G用戶精度（User’sAccuracy）=A/G=100%-運(yùn)行誤差結(jié)果誤差（OmissionError）=(B+C)/D生產(chǎn)者精度(Producer’sAccuracy)=A/D=100%-結(jié)果誤差精度評(píng)價(jià)精度評(píng)價(jià)Kappa統(tǒng)計(jì)總體精度并不能排除偶然一致性，因此一些研究人推薦使用Cohen（1960）提出的Kappa統(tǒng)計(jì)評(píng)價(jià)方法。Kappa統(tǒng)計(jì)也是根據(jù)混淆矩陣來計(jì)算。精度評(píng)價(jià)Kappa統(tǒng)計(jì)用到了混淆矩陣中每一個(gè)元素，用來度量實(shí)際吻合（ActualAgreement）和變化吻合（ChangeAgreement），比只計(jì)算總體精度要合理些。它在評(píng)價(jià)不同分類器的分類精度上耕具有統(tǒng)計(jì)意義上的辨析能力。Kappa統(tǒng)計(jì)的意義是：如果Kappa統(tǒng)計(jì)為0.7，則表示所用的分類方法比隨機(jī)賦予各點(diǎn)某一類別的方法優(yōu)越70%。目前kappa統(tǒng)計(jì)也成為評(píng)價(jià)分類結(jié)果的一個(gè)標(biāo)準(zhǔn)參數(shù)。精度評(píng)價(jià)計(jì)算機(jī)解譯主要技術(shù)發(fā)展趨勢(shì)計(jì)算機(jī)解譯新方法的應(yīng)用（1）人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetworks)在遙感圖像識(shí)別中的應(yīng)用。（2）小波分析在遙感圖像識(shí)別中的應(yīng)用。（3）分形技術(shù)在遙感圖像識(shí)別中的應(yīng)用。（4）模糊分類方法遙感圖像識(shí)別中的應(yīng)用。新分類方法計(jì)算機(jī)解譯主要技術(shù)發(fā)展趨勢(shì)計(jì)算機(jī)解譯新方法的應(yīng)用混合像元的分解新分類方法影響分類的有關(guān)因素未能充分利用