遙感圖像自動(dòng)識(shí)別分類

遙感圖像自動(dòng)識(shí)別分類第1頁/共58頁2遙感圖像的計(jì)算機(jī)分類，就是利用計(jì)算機(jī)技術(shù)來模擬人類的識(shí)別功能,對地球表面及其環(huán)境在遙感圖像上的信息進(jìn)行屬性的自動(dòng)判別和分類，達(dá)到提取所需地物信息的目的。遙感圖像的自動(dòng)識(shí)別分類主要采用決策理論方法，按照決策理論方法，需要從被識(shí)別的模式中，提取一組反映模式屬性的量測值，稱之為特征，并把模式特征定義在一個(gè)特征空間中，進(jìn)而利用決策的原理對特征空間進(jìn)行劃分。第2頁/共58頁3一、基礎(chǔ)知識(shí)1.模式與模式識(shí)別所謂“模式”是指某種具有空間或幾何特征的東西。對被識(shí)別的模式作一系列的測量，然后將測量結(jié)果與“模式字典”中一組“典型的”測量值相比較,得出所需要的分類結(jié)果。這一過程稱為模式識(shí)別。第3頁/共58頁4xn自然模式接收器(傳感器)分類器(判決器)x2x1….結(jié)果模式識(shí)別系統(tǒng)的模型分類器（或稱判決器），可以根據(jù)一定的分類規(guī)則，把某一測量矢量X劃入某一組預(yù)先規(guī)定的類別之中去。第4頁/共58頁52.光譜特征空間及地物在特征空間中聚類的統(tǒng)計(jì)特性光譜特征空間:以各波段圖像的亮度分布為坐標(biāo)軸組成的空間.第5頁/共58頁6水土壤植被B5B7地物與光譜特征空間的關(guān)系第6頁/共58頁7特征點(diǎn)集群在特征空間中的分布大致可分為如下三種情況：理想情況——不同類別地物的集群至少在一個(gè)特征子空間中的投影是完全可以相互區(qū)分開的。BiBj水植被土壤第7頁/共58頁8一般情況——無論在總的特征空間中，還是在任一子空間中，不同類別的集群之間總是存在重疊現(xiàn)象。這時(shí)重疊部分的特征點(diǎn)所對應(yīng)的地物，在分類時(shí)總會(huì)出現(xiàn)不同程度的分類誤差，這是遙感圖像中最常見的情況。水植被土壤第8頁/共58頁9典型情況——不同類別地物的集群，在任一子空間中都有相互重疊的現(xiàn)象存在，但在總的特征空間中可以完全區(qū)分的。這時(shí)可采用特征變換使之變成理想情況進(jìn)行分類。水植被土壤第9頁/共58頁10二、特征變換及特征選擇特征變換，是將原有的m測量值集合并通過某種變換，產(chǎn)生n個(gè)新的特征。特征選擇，是從原有的m個(gè)測量值集合中，按某一準(zhǔn)則選擇出n個(gè)特征。第10頁/共58頁11特征變換的目的：?減少特征之間的相關(guān)性，使得用盡可能少的特征來最大限度地包含所有原始數(shù)據(jù)的信息。?使得待分類別之間的差異在變換后的特征中更明顯，從而改善分類效果。第11頁/共58頁12特征變換的方法：主分量變換哈達(dá)瑪變換生物量指標(biāo)變換比值變換穗帽變換第12頁/共58頁13特征選擇的目的：用最少的影像數(shù)據(jù)最好地進(jìn)行分類。第13頁/共58頁14特征選擇的方法：定性：了解變換前后圖像的特征定量：距離測度和散布矩陣測度。第14頁/共58頁15三、監(jiān)督分類自動(dòng)識(shí)別分類監(jiān)督分類法非監(jiān)督分類法第15頁/共58頁16監(jiān)督分類法是選擇有代表性的試驗(yàn)區(qū)來訓(xùn)練計(jì)算機(jī)，再按一定的統(tǒng)計(jì)判別規(guī)則對未知地區(qū)進(jìn)行自動(dòng)分類的方法。第16頁/共58頁17監(jiān)督分類的思想：1）確定每個(gè)類別的樣區(qū)2）學(xué)習(xí)或訓(xùn)練3）確定判別函數(shù)和相應(yīng)的判別準(zhǔn)則4）計(jì)算未知類別的樣本觀測值函數(shù)值5）按規(guī)則進(jìn)行像元的所屬判別第17頁/共58頁18原始影像數(shù)據(jù)的準(zhǔn)備圖像變換及特征選擇分類器的設(shè)計(jì)初始類別參數(shù)的確定逐個(gè)像素的分類判別形成分類編碼圖像輸出專題圖監(jiān)督分類的流程第18頁/共58頁19判別函數(shù):當(dāng)各個(gè)類別的判別區(qū)域確定后，用來表示和鑒別某個(gè)特征矢量屬于哪個(gè)類別的函數(shù)。這些函數(shù)不是集群在特征空間形狀的數(shù)學(xué)描述，而是描述某一未知矢量屬于某個(gè)類別的情況，如屬于某個(gè)類別的條件概率。一般，不同的類別都有各自不同的判別函數(shù)。第19頁/共58頁20判別規(guī)則:判斷特征矢量屬于某類的依據(jù)。

當(dāng)計(jì)算完某個(gè)矢量，在不同類別判別函數(shù)中的值后，我們要確定該矢量屬于某類必須給出一個(gè)判斷的依據(jù)。如若所得函數(shù)值最大則該矢量屬于最大值對應(yīng)的類別。這種判斷的依據(jù)，我們稱之為判別規(guī)則。第20頁/共58頁21監(jiān)督分類的方法：?最大似然法?最小距離法?盒式分類法第21頁/共58頁22?最大似然法根據(jù)概率判別函數(shù)和貝葉斯判別規(guī)則來進(jìn)行的分類稱為最大似然分類法。第22頁/共58頁23概率判別函數(shù)：把某特征矢量X落入某類集群wi的條件概率P(wi/X)當(dāng)成分類判決函數(shù)（概率判決函數(shù)）。貝葉斯判別規(guī)則：把X落入某集群wi的條件概率P(wi/X)最大的類為X的類別。貝葉斯判別規(guī)則以錯(cuò)分概率或風(fēng)險(xiǎn)最小為準(zhǔn)則的判別規(guī)則。

第23頁/共58頁24?最小距離法基于距離判別函數(shù)和判別規(guī)則的分類方法稱為最小距離分類法。第24頁/共58頁25距離判別函數(shù)是設(shè)法計(jì)算未知矢量X到有關(guān)類別集群之間的距離，哪類距離它最近，該未知矢量就屬于那類。距離判別函數(shù)不象概率判別函數(shù)那樣偏重于集群分布的統(tǒng)計(jì)性質(zhì)，而是偏重于幾何位置。距離判別規(guī)則是按最小距離判別的原則。

第25頁/共58頁26

馬氏（Mahalanobis）距離

歐氏（Euclidean）距離

計(jì)程（Taxi）距離

最小距離法中常使用的三種距離判別函數(shù)第26頁/共58頁27?盒式分類法盒式分類法基本思想:首先通過訓(xùn)練樣區(qū)的數(shù)據(jù)找出每個(gè)類別在特征空間的位置和形狀，然后以一個(gè)包括該集群的“盒子”作為該集群的判別函數(shù)。判別規(guī)則為若未知矢量X落入該“盒子”，則X分為此類，否則再與其它盒子比較。第27頁/共58頁28例如 對于A類的盒子，其邊界（最小值和最大值）分別是X1=a、X1=b；X2=c、X2=d。這種分類法在盒子重疊區(qū)域有錯(cuò)分現(xiàn)象。錯(cuò)分與比較盒子的先后次序有關(guān)。

第28頁/共58頁29監(jiān)督分類的步驟：（1）確定感興趣的類別數(shù)。首先確定要對哪些地物進(jìn)行分類，這樣就可以建立這些地物的先驗(yàn)知識(shí)。（2）特征變換和特征選擇根據(jù)感興趣地物的特征進(jìn)行有針對性的特征變換，這部分內(nèi)容在前面特征選擇和特征變換一節(jié)有比較詳細(xì)的介紹。變換之后的特征影像和原始影像共同進(jìn)行特征選擇，以選出既能滿足分類需要，又盡可能少參與分類的特征影像，加快分類速度，提高分類精度。第29頁/共58頁30（3）選擇訓(xùn)練樣區(qū) 訓(xùn)練樣區(qū)的選擇要注意準(zhǔn)確性、代表性和統(tǒng)計(jì)性三個(gè)問題。 準(zhǔn)確性就是要確保選擇的樣區(qū)與實(shí)際地物的一致性。 代表性一方面指所選擇區(qū)為某一地物的代表，另一方面還要考慮到地物本身的復(fù)雜性，所以必須在一定程度上反映同類地物光譜特性的波動(dòng)情況。 統(tǒng)計(jì)性是指選擇的訓(xùn)練樣區(qū)內(nèi)必須有足夠多的像元，以保證由此計(jì)算出的類別參數(shù)符合統(tǒng)計(jì)規(guī)律。實(shí)際應(yīng)用中，每一類別的樣本數(shù)都在102數(shù)量級左右。第30頁/共58頁31水新城區(qū)老城區(qū)耕地植被選擇樣本區(qū)域第31頁/共58頁32（4）確定判別函數(shù)和判別規(guī)則一旦訓(xùn)練樣區(qū)被選定后，相應(yīng)地物類別的光譜特征便可以用訓(xùn)練區(qū)中的樣本數(shù)據(jù)進(jìn)行統(tǒng)計(jì)。（5）根據(jù)判別函數(shù)和判別規(guī)則對非訓(xùn)練樣區(qū)的圖像區(qū)域進(jìn)行分類。第32頁/共58頁33分類得到的專題圖第33頁/共58頁34監(jiān)督分類的優(yōu)點(diǎn)：?根據(jù)應(yīng)用目的和區(qū)域，有選擇的決定分類類別，避免出現(xiàn)一些不必要的類別；?可以控制訓(xùn)練樣本的選擇；?可以通過檢查訓(xùn)練樣本來決定訓(xùn)練樣本是否被精確分類，從而避免分類中的嚴(yán)重錯(cuò)誤，分類精度高；?避免了非監(jiān)督分類中對光譜集群的重新歸類；?分類速度快。第34頁/共58頁35監(jiān)督分類的缺點(diǎn)：主觀性；由于圖象中間類別的光譜差異，使得訓(xùn)練樣本沒有很好的代表性；訓(xùn)練樣本的獲取和評估花費(fèi)較多人力時(shí)間；只能識(shí)別訓(xùn)練中定義的類別。第35頁/共58頁36四、非監(jiān)督分類 非監(jiān)督分類 是指人們事先對分類過程不施加任何的先驗(yàn)知識(shí)，而僅憑遙感影像地物的光譜特征的分布規(guī)律，即自然聚類的特性，進(jìn)行“盲目”的分類。 其分類的結(jié)果只是對不同類別達(dá)到了區(qū)分，但并不能確定類別的屬性；其類別的屬性是通過分類結(jié)束后目視判讀或?qū)嵉卣{(diào)查確定的。第36頁/共58頁37非監(jiān)督分類也稱聚類分析。 一般的聚類算法是先選擇若干個(gè)模式點(diǎn)作為聚類的中心。 每一中心代表一個(gè)類別，按照某種相似性度量方法（如最小距離方法）將各模式歸于各聚類中心所代表的類別，形成初始分類。 然后由聚類準(zhǔn)則判斷初始分類是否合理，如果不合理就修改分類，如此反復(fù)迭代運(yùn)算，直到合理為止。第37頁/共58頁38非監(jiān)督分類的方法：?K-均值聚類法?ISODATA聚類分析法?平行管道聚類分析法第38頁/共58頁39?K-均值聚類法K-均值算法的聚類準(zhǔn)則是使每一聚類中，多模式點(diǎn)到該類別的中心的距離的平方和最小。

基本思想：通過迭代，逐次移動(dòng)各類的中心，直至得到最好的聚類結(jié)果為止。第39頁/共58頁40第40頁/共58頁41缺點(diǎn):這種算法的結(jié)果受到所選聚類中心的數(shù)目和其初始位置以及模式分布的幾何性質(zhì)和讀入次序等因素的影響，并且在迭代過程中又沒有調(diào)整類數(shù)的措施，因此可能產(chǎn)生不同的初始分類得到不同的結(jié)果，這是這種方法的缺點(diǎn)?？梢酝ㄟ^其它的簡單的聚類中心試探方法，如最大最小距離定位法，來找出初始中心，提高分類效果。第41頁/共58頁42?ISODATA聚類分析法ISODATA（IterativeSelf-OrganizingDataAnalysisTechniquesAlgorithm）算法也稱為迭代自組織數(shù)據(jù)分析算法。第42頁/共58頁43它與K－均值算法有兩點(diǎn)不同:第一，它不是每調(diào)整一個(gè)樣本的類別就重新計(jì)算一次各類樣本的均值，而是在每次把所有樣本都調(diào)整完畢之后才重新計(jì)算一次各類樣本的均值，前者稱為逐個(gè)樣本修正法，后者稱為成批樣本修正法；第二，ISODATA算法不僅可以通過調(diào)整樣本所屬類別完成樣本的聚類分析，而且可以自動(dòng)地進(jìn)行類別的“合并”和“分裂”，從而得到類數(shù)比較合理的聚類結(jié)果。第43頁/共58頁44?平行管道聚類分析法它以地物的光譜特性曲線為基礎(chǔ)，假定同類地物的光譜特性曲線相似作為判別的標(biāo)準(zhǔn)。設(shè)置一個(gè)相似閾值，這樣，同類地物在特征空間上表現(xiàn)為以特征曲線為中心，以相似閾值為半徑的管子，此即為所謂的“平行管道”。這種聚類方法實(shí)質(zhì)上是一種基于最鄰近規(guī)則的試探法。第44頁/共58頁45與監(jiān)督分類相比，非監(jiān)督分類具有下列優(yōu)點(diǎn)：不需要對被研究的地區(qū)有事先的了解，對分類的結(jié)果與精度要求相同的條件下，在時(shí)間和成本上較為節(jié)省。但實(shí)際上，非監(jiān)督分類不如監(jiān)督分類的精度高，所以監(jiān)督分類使用的更為廣泛。第45頁/共58頁46五、非監(jiān)督分類與監(jiān)督分類的結(jié)合通過非監(jiān)督法將一定區(qū)域聚類成不同的單一類別，監(jiān)督法再利用這些單一類別區(qū)域“訓(xùn)練”計(jì)算機(jī)。通過“訓(xùn)練”后的計(jì)算機(jī)將其它區(qū)域分類完成，這樣避免了使用速度比較慢的非監(jiān)督法對整個(gè)影像區(qū)域進(jìn)行分類，使分類精度得到保證的前提下，分類速度得到了提高。第46頁/共58頁47步驟:第一步：選擇一些有代表性的區(qū)域進(jìn)行非監(jiān)督分類。這些區(qū)域的選擇與監(jiān)督法分類訓(xùn)練樣區(qū)的選擇要求相反，監(jiān)督法分類訓(xùn)練樣區(qū)要求盡可能單一。而這里選擇的區(qū)域包含類別盡可能地多，以便使所有感興趣的地物類別都能得到聚類。第二步：獲得多個(gè)聚類類別的先驗(yàn)知識(shí)。這些先驗(yàn)知識(shí)的獲取可以通過判讀和實(shí)地調(diào)查來得到。聚類的類別作為監(jiān)督分類的訓(xùn)練樣區(qū)。第47頁/共58頁48第三步：特征選擇。選擇最適合的特征圖像進(jìn)行后續(xù)分類。第四步：使用監(jiān)督法對整個(gè)影像進(jìn)行分類。根據(jù)前幾步獲得的先驗(yàn)知識(shí)以及聚類后的樣本數(shù)據(jù)設(shè)計(jì)分類器。并對整個(gè)影像區(qū)域進(jìn)行分類。第五步：輸出標(biāo)記圖像。由于分類結(jié)束后影像的類別信息也已確定。所以可以將整幅影像標(biāo)記為相應(yīng)類別輸出。第48頁/共58頁49六、分類后處理和誤差分析1.分類后處理?分類后專題圖像的格式?分類后處理第49頁/共58頁50?分類后專題圖像的格式遙感影像經(jīng)分類后形成的專題圖，用編號(hào)、字符、圖符或顏色表示各種類別。第50頁/共58頁51原始遙感圖像對應(yīng)的專題圖像第51頁/共58頁52?分類后處理用光譜信息對影像逐個(gè)像元地分類，在結(jié)果的分類地圖上會(huì)出現(xiàn)“噪聲”。產(chǎn)生噪聲的原因有原始影像本身的噪聲，在地類交界處的像元中包括有多種類別，其混合的幅射量造成錯(cuò)分類，以及其它原因等。另外還有一種現(xiàn)象，分類是正確的，但某種類別零星分布于地面，占的面