遙感圖像解譯課件-003

第3章遙感圖像解譯與分類

GeographyAnalysisforRemoteSensing遙感地學(xué)分析第3章遙感圖像解譯與分類

GeographyAnaly1第一節(jié)遙感圖像解譯遙感提供的是一種綜合信息，不僅表現(xiàn)在它反映的地學(xué)要素---地質(zhì)、地貌、水文、土壤、植被、社會生態(tài)等的綜合，是由相互關(guān)聯(lián)的自然及社會現(xiàn)象所構(gòu)成的。它是不同空間分辨率、波普分辨率和時間分辨率的遙感信息的綜合。遙感圖像解譯是通過遙感圖像所提供的各種識別目標的特征信息進行分析、推理與判斷，最終達到識別目標或現(xiàn)象的目的。第一節(jié)遙感圖像解譯遙感提供的是一種綜合信息，不僅表現(xiàn)在它反2地學(xué)環(huán)境遙感信息地物信息圖像處理人員的認識圖像處理符號表示語義生成圖像數(shù)據(jù)庫地學(xué)信息處理人員的認識應(yīng)用模型地物識別地學(xué)分析數(shù)據(jù)獲取地物信息和知識地學(xué)環(huán)境遙感信息地物信息圖像處理人員的認識圖像處理符號表示語3遙感圖像解譯地物信息的傳遞是從數(shù)據(jù)獲取開始的，數(shù)據(jù)獲取實質(zhì)上是由傳感器代替人直接觀測地學(xué)環(huán)境，通常情況下是圍繞某項任務(wù)，有計劃、有目的的開展的。地物影像幾何信息輻射信息地物幾何位置地物屬性地物數(shù)量指標模型重建幾何測量影像識別定量分析遙感圖像解譯地物信息的傳遞是從數(shù)據(jù)獲取開始的，數(shù)據(jù)獲取實質(zhì)上4遙感圖像解譯的對象主要是各類地物或地學(xué)現(xiàn)象，在解譯時一般會有相關(guān)的專業(yè)人員的配合，但作為解譯者若想得到比較滿意的結(jié)果，相關(guān)的地學(xué)知識在解譯時應(yīng)或多或少知道一些。例如，解譯與地質(zhì)構(gòu)造有關(guān)的空間對象，類似下圖的知識需要知道。線性構(gòu)造弧型構(gòu)造環(huán)型構(gòu)造地學(xué)的應(yīng)用遙感圖像解譯的對象主要是各類地物或地學(xué)現(xiàn)象，在解譯時一般會有5物候?qū)W的應(yīng)用物候是比較特殊的地學(xué)現(xiàn)象，與時間和空間都有關(guān)系，并具有周期性。在解譯與生命現(xiàn)象有關(guān)的物體如植物、動物時，對物候的了解程度可能決定解譯工作的好壞。例如，華中地區(qū)的遙感植被調(diào)查就需要知道如下幾個關(guān)鍵時段：4月份，展葉期5月份，開花期7~8月份，茂盛期10~11月份果熟期，葉變色期物候?qū)W的應(yīng)用物候是比較特殊的地學(xué)現(xiàn)象，與時間和空間都有關(guān)系，6生物學(xué)知識的應(yīng)用農(nóng)業(yè)、林業(yè)、海洋及生態(tài)調(diào)查都與生物有關(guān)。在遙感信息中，如植被指數(shù)、熱慣量等都會應(yīng)用到生物學(xué)知識。其中，植被指數(shù)就是通過比較分析葉綠素與光譜反射率之間的關(guān)系得出的概念。生物學(xué)知識的應(yīng)用農(nóng)業(yè)、林業(yè)、海洋及生態(tài)調(diào)查都與生物有關(guān)。在遙7遙感解譯的任務(wù)按應(yīng)用領(lǐng)域，遙感解譯的目的可分為普通地學(xué)解譯和專業(yè)解譯。普通地學(xué)解譯是為了取得一定地球圈層范圍內(nèi)的綜合性信息，常見的是地理基礎(chǔ)信息（居民地、道路、水系、獨立地物、植被等）解譯和景觀解譯。專業(yè)解譯主要是為了解決各部門的任務(wù)，用于提取特定的要素或概念的信息，包括地質(zhì)、林業(yè)、農(nóng)業(yè)和軍事。遙感解譯的任務(wù)按應(yīng)用領(lǐng)域，遙感解譯的目的可分為普通地學(xué)解譯和8遙感解譯的分類一般分為兩種：目視解譯，由專業(yè)人員通過直接觀察或借助判讀儀器在遙感圖像上獲取特定目標地物信息。計算機解譯，以計算機系統(tǒng)為支撐環(huán)境，利用模式識別技術(shù)和人工智能技術(shù)，根據(jù)遙感圖像中目標地物的各種影像特征（顏色、形狀、紋理與空間位置），結(jié)合專家知識庫中對目標地物的解譯經(jīng)驗和規(guī)律等進行分析和推理，實現(xiàn)對遙感圖像的理解。遙感解譯的分類一般分為兩種：9第三章-遙感圖像解譯課件10第三章-遙感圖像解譯課件11目視解譯1.圖像注記2.解譯原理與方法3.目視解譯

3.1水體 3.2城市

3.3火山3.4土地利用/覆蓋

3.5自然災(zāi)害3.6水文

3.7考古3.8地質(zhì)

3.9地貌目視解譯1.圖像注記12Landsat圖像注記符號1）重疊符號圖像四角的“＋”號，影像套準用2）圖像中心對角線的交點。3）航線重疊“T”和“－”表示航向承擔。4）經(jīng)緯度注記E:東經(jīng)；N:北緯5）灰標1級為白色，15為黑色。Landsat圖像注記符號13第三章-遙感圖像解譯課件1402May78成像時間CN31-38/E212-41像主點坐標D127-038D表示降軌，軌道號－行號NN31-38/E121-43像底點坐標MMSS多光譜掃描儀（4，5，6，7，8通道）RBV有1，2，3通道SUNEL52A107高度角52度（地面起算）；方位角107度（正北起算）02May78成像時間CN31-38/E212-41像主點15S1SS:系統(tǒng)水平校正；1表示滿幅185×185Km；S為空間斜軸麥卡托投影（L蘭勃特，U橫軸麥卡托等）。-P-NL2P:推測星歷計算N:正常處理（A非正常）L:傳感器低增益；2為壓縮傳輸NASAERTSNationalAeronauticsandSpaceAdministrationE-21196-01222-5衛(wèi)星編號和成像時間。E-2:第2顆地球資源衛(wèi)星；1196：衛(wèi)星發(fā)射天數(shù)；01222：格林威治1點22分20秒；5：表示光譜段是5通道。S1SS:系統(tǒng)水平校正；1表示滿幅185×185Km；S為空16圖像編號：軌道號＋行號（Path+Row）軌道號:衛(wèi)星運行的軌道系列號，由東向西。行號：由北向南，N80o

為起點。北京幅圖像編號：133－32，第133號軌道32景覆蓋北京。陸地衛(wèi)星圖像編號圖像編號：軌道號＋行號（Path+Row）陸地衛(wèi)星圖像編號17第三章-遙感圖像解譯課件18AglobalnotationsystemcalledtheWorldwideReferenceSystemAglobalnotationsystemcalle19Landsat4，5，7：從東到西233圈，依次編233個軌道號。從東向西，編號001~233.Path001于西經(jīng)64.6度穿過赤道。同一軌每景的間隔約23.92秒，共248景。

Row60coincideswiththeequatorduringthedescendingnodeonthedaysidepartoftheorbitandRow184duringtheascendingnode.北緯80度47分，Row001，南緯81度51分，Row122；Landsat4，5，7：20SPOT衛(wèi)星坐標網(wǎng)格參考系統(tǒng)GridReferenceSystem(GRS)

，來確定每一個影像的地理位置，由列號K和行號J標識影像的中心位置。K為1至738的整數(shù)；J為從北緯71.7至南緯71.7之間的200至500的整數(shù)。N:由西向東，從1至369的參考軌道號；R:在26天內(nèi)飛經(jīng)不同軌道的順序號。影像1：K280,J270;影像2：K279,J270SPOT衛(wèi)星坐標網(wǎng)格參考系統(tǒng)GridReferenceS21SPOT衛(wèi)星坐標網(wǎng)格參考系統(tǒng)SPOT可以觀測到南、北緯87的范圍。GRS以赤道為分界，對稱地把地球分為5個區(qū)從北緯51.5到南緯51.5是中心區(qū).從北緯或者南緯51.5延伸到71.7度是一個區(qū)北極圈和南極圈區(qū)域是從71.7度到極點。

除了兩極區(qū)域，列K平行于衛(wèi)星軌道，行J平行于緯線。兩極地區(qū)，與軌道無關(guān)。SPOT衛(wèi)星坐標網(wǎng)格參考系統(tǒng)SPOT可以觀測到南、北緯87的22解譯原理與方法1.影像選擇分辨率：空間分辨率；時間分辨率；光譜分辨率季相影響：植被差異；太陽高度角；水分影響圖像顯示真彩色合成；假彩色合成解譯原理與方法1.影像選擇23各種遙感目的對空間分辨率的要求1）巨型地物與現(xiàn)象：要求的圖像空間分辨率低，但涉及的范圍很廣，通常會牽扯到多個國家，有些會是世界范圍的。地殼10km；成礦帶2km大陸架2km；洋流5km自然地帶2km；生長季節(jié)2km各種遙感目的對空間分辨率的要求1）巨型地物與現(xiàn)象：要求的圖像24中國自然地帶中國自然地帶252）大型地物與現(xiàn)象主要用于較大范圍的區(qū)域調(diào)查。地?zé)豳Y源：1km冰與雪：1km大氣：1km土壤水分：150m海洋資源：100m環(huán)境質(zhì)量評價：100m區(qū)域覆蓋類型：400m沙塵暴監(jiān)測：400m2）大型地物與現(xiàn)象26第三章-遙感圖像解譯課件273）中型地物與現(xiàn)象與人們生產(chǎn)、生活比較密切，特別是與各種資源調(diào)查關(guān)系密切，因而對圖像空間分辨率要求也較高。作物估產(chǎn)：50m植物群落：50m洪水災(zāi)害：50m水庫監(jiān)測：50m污染監(jiān)測：50m森林火災(zāi)監(jiān)測：50m港灣懸浮物調(diào)查：50m3）中型地物與現(xiàn)象28主要耕地分類主要耕地分類294）小型地物與現(xiàn)象涉及各種人工地物或較小的人類活動區(qū)域，對圖像分辨率要求很高。交通設(shè)施：1m建筑物：1m道路：1m污染物識別：10m4）小型地物與現(xiàn)象30分辨率選擇分辨率適用范圍1000m大地構(gòu)造，臺風(fēng)移動，海面溫度，全球變化250m區(qū)域地質(zhì)構(gòu)造，森林火災(zāi)，沙塵監(jiān)測，流域研究80m地質(zhì)成圖，土地類型，植被調(diào)查30m礦產(chǎn)調(diào)查，地表溫度，土地利用，流域成圖，海水污染，森林祥查10m侵蝕調(diào)查，漁場調(diào)查，水污染3m土壤調(diào)查，土壤溫度，森林密度，樹種調(diào)查，人工建筑，1：5萬地形圖<1m軍事偵察分辨率選擇分辨率適用范圍1000m大地構(gòu)造，臺風(fēng)移動，海面溫312.季相影響1）植被差異冬季成像有利于突出地表信息；夏季有利植被解譯。2）太陽高度角冬季太陽高度低，物體陰影長，輻射強度低，地物形態(tài)信息豐富。夏季太陽高度高，陰影短，有利地物光譜特征的反映。3）水分影響2.季相影響323.圖像顯示

黑白影像（全色）真彩色（天然彩色）：影像上地物的顏色是地物天然色彩的再現(xiàn)。如RGB:TM3,2,1。標準假彩色（彩色紅外）falsecolor：與地物的天然色相比，都向短波方向移動了一個色向。如RGB:TM4,3,2。地物反差增大有利于解譯。偽彩色（Pseudocolor）:1張黑白圖像的灰階分為若干等級，在每個等級上賦予顏色，就成為最簡單的偽彩色。3.圖像顯示黑白影像（全色）33黑白影像IKONOS_Pan(1m)黑白影像IKONOS_Pan(1m)34真彩色RGB(3,2,1)真彩色35標準假彩色RGB(4,3,2)標準假彩色RGB(4,3,2)36偽色彩表示的DEM偽色彩表示的DEM37目視解譯的方法和步驟先圖外后圖內(nèi)先整體后局部先宏觀后微觀從已知到未知目視解譯的方法和步驟38目視解譯要素大小Size根據(jù)比例尺推算出地物大小形狀Shape人工與非人工地物的區(qū)別陰影Shadow利用陰影推算高度色調(diào)Tone灰度，反射率從白－黑的密度變化顏色Color顏色的差別有利于地物判讀紋理Texture色調(diào)配合呈平滑或粗糙程度，草場與針葉林圖案Pattern有規(guī)律排列形成的圖案位置地理背景知識，綜合分析目視解譯要素大小Size根據(jù)比例尺推算出地物大小形狀Shap39123456789101112131415161718192021222324252627282930313233343536IKONOS的樣本1-3:newresidential4-9:oldresidential10-12:downtowncommercial13-15:suburbanshoppingmall 16-18:industrial19-21:institutional22-24:golfcourse25-27:forest 28-30:cornfield31-33:beanfield34-36:harvestedfield12345678910111213141516171819240目視解譯的判讀1.水體在標準假彩色圖像上，深而清澈的水體層黑或藍黑色；水淺者多為淺藍色；含泥沙者顏色更淺，含沙量過高則呈乳白色；有水生植物者呈紅色斑點。水系樹枝狀水系主要分布在沖積平原、侵蝕平原等基巖軟弱地區(qū)。放射狀水系主要分布在火山，孤山或穹形隆起地區(qū)。目視解譯的判讀1.水體412.植被植被色調(diào)隨其品種、環(huán)境和成像波段而變。在Landsat4,5波段植被呈深色調(diào)，在6，7波段為淺色調(diào)，闊葉林比針葉林色調(diào)淺。在標準假彩色圖像，植被為紅色，幼嫩植被帶粉紅色，成熟時是鮮紅色，受蟲災(zāi)時呈暗紅色。闊葉林比針葉林更鮮紅，灌叢顏色較淺，水稻呈暗紅色。目視解譯的判讀2.植被目視解譯的判讀423.城鎮(zhèn)和鐵路城鎮(zhèn)的光譜特征是各類建筑物與周圍裸地的綜合反映，當面積較大或與周圍環(huán)境的光譜特征有顯著差異時，可從影像上識別。在多波段黑白圖像上，城鎮(zhèn)多呈深暗色調(diào)；在標準假彩色圖像上，中心色調(diào)深暗、邊緣略淺的灰藍或藍灰色。由于鐵路路基材料與周圍土地的光譜差異較大，其因地基有較寬陰影，在衛(wèi)星圖像上呈色調(diào)深暗，較為清晰地線狀影像。目視解譯的判讀3.城鎮(zhèn)和鐵路目視解譯的判讀43假彩色合成假彩色合成44紅外遙感圖像1）紅外圖像物體色調(diào)特征色調(diào)差別反映地物輻射溫度的差別。紅外圖像上灰度反映的不是地物對可見光的反射程度，而是其輻射溫度。2）紅外圖像物體形態(tài)特征與可見光相比，地物冷暖信息構(gòu)成的模糊輪廓。紅外圖像可用于對物體解譯，不能用于對物體制圖。紅外遙感圖像1）紅外圖像物體色調(diào)特征45ETM+Thermalbandin1999水陸差異ETM+Thermalbandin1999水陸差異46城市熱島119/39,98-8-11120/38,97-9-21城市熱島119/39,98-8-11120/38,97-473.1水體解譯3.1水體解譯48咸海的變化：30年間，多于60%的水面消失了。Landsat影像（1973~2000年）咸海的變化：Landsat影像493.2城市解譯Baltimore,MD

April4,2000

巴爾的摩是馬里蘭最大的城市，同時也是美國最繁忙的港口。3.2城市解譯Baltimore,MD

April450第二節(jié)遙感圖像分類2.1概述2.2遙感影像分類基本原理2.3遙感影像分類方法2.4分類后處理2.5影像解譯專家系統(tǒng)第二節(jié)遙感圖像分類2.1概述512.1概述遙感影像計算機分類以遙感數(shù)字影像為研究對象，在計算機系統(tǒng)支持下，綜合運用地學(xué)分析、遙感影像處理、地理信息系統(tǒng)、模式識別與人工智能技術(shù)，實現(xiàn)地學(xué)專題信息的智能化獲取。其基本目標是將人工目視解譯遙感影像發(fā)展為計算機支持下的遙感影像理解。2.1概述遙感影像計算機分類以遙感數(shù)字影像為研究對象，在計522.1概述1計算機遙感影像分類的概念計算機遙感影像分類是統(tǒng)計模式識別技術(shù)在遙感領(lǐng)域中的具體應(yīng)用。統(tǒng)計模式識別的關(guān)鍵是提取待識別模式的一組統(tǒng)計特征值，然后按照一定準則作出決策，從而對數(shù)字影像予以識別。遙感影像分類的主要依據(jù)是地物的光譜特征和空間特征。遙感影像中的同類地物在相同的條件下（紋理、地形、光照以及植被覆蓋等等），應(yīng)具有相同或相似的光譜特征和空間特征，從而表現(xiàn)出同類地物的某種內(nèi)在的相似性，即同類地物像元的特征向量將集群在同一特征空間區(qū)域。2.1概述1計算機遙感影像分類的概念532.1概述分類是對影像上每個像素按照亮度接近程度給出對應(yīng)類別，以達到大致區(qū)分遙感影像中多種地物的目的。遙感影像分類是將影像的所有像元按其性質(zhì)分為若干個類別的技術(shù)過程（朱述龍等，遙感圖象獲取與分析）。性質(zhì)指地物光譜特征和空間特征。2.1概述分類是對影像上每個像素按照亮度接近程度給出對應(yīng)類542.1概述2計算機分類遇到的困難（1）遙感影像是從遙遠的高空成像的，成像過程要受傳感器、大氣條件、太陽位置等多種因素的影響。影像中所提供的目標地物信息不僅不完全，而且或多或少地帶有噪聲，因此人們需要從不完全的信息中盡可能精確地提取出地表場景中感興趣的目標物。2.1概述2計算機分類遇到的困難55（2）遙感影像信息量豐富，與一般的影像相比，其包含的內(nèi)容遠比普通的影像多，因而內(nèi)容非常“擁擠”。不同地物間信息的相互影響與干擾使得要提取出感興趣的目標變得非常困難。（3）遙感影像的地域性、季節(jié)性和不同成像方式更增加了計算機對遙感數(shù)字影像進行解譯2.1概述（2）遙感影像信息量豐富，與一般的影像相比，其包含的內(nèi)容遠比563.計算機分類發(fā)展的前景由于利用遙感影像可以客觀、真實和快速地獲取地球表層信息，這些現(xiàn)勢性很強的遙感數(shù)據(jù)在自然資源調(diào)查與評價、環(huán)境監(jiān)測、自然災(zāi)害評估與軍事偵察上具有廣泛應(yīng)用前景。因此，利用計算機進行遙感影像智能化解譯，快速獲取地表不同專題信息，并利用這些專題信息迅速地更新地理數(shù)據(jù)庫，這是實現(xiàn)遙感影像自動理解的基礎(chǔ)研究之一，也是地理信息系統(tǒng)中數(shù)據(jù)采集自動化研究的一個方向，因此具有重要的理論意義和應(yīng)用前景。2.1概述3.計算機分類發(fā)展的前景2.1概述572.2計算機遙感影像分類的原理分類過程中采用的統(tǒng)計特征變量包括：全局統(tǒng)計特征變量和局部統(tǒng)計特征變量。全局統(tǒng)計特征變量是將整個數(shù)字影像作為研究對象，從整個影像中獲取或進行變換處理后獲取變量，前者如地物的光譜特征，后者如對TM的6個波段數(shù)據(jù)進行K－T變換（纓帽變換）獲得的亮度特征，利用這兩個變量就可以對遙感影像進行植被分類。局部統(tǒng)計特征變量是將數(shù)字影像分割成不同識別單元，在各個單元內(nèi)分別抽取的統(tǒng)計特征變量。例如，紋理是在某一影像的部分區(qū)域中，以近乎周期性或周期性的種類、方式重復(fù)其自身局部基本模式的單元，因此可以利用矩陣作為特征對紋理進行識別。2.2計算機遙感影像分類的原理分類過程中采用的統(tǒng)計特征變量58

在很多情況下，利用少量特征就可以進行遙感影像的地學(xué)專題分類，因此需要從遙感影像n個特征中選取k個特征作為分類依據(jù)，我們把從n個特征中選取k個更有效特征的過程稱為特征提取。特征提取要求所選擇的特征相對于其他特征更便于有效地分類，使影像分類不必在高維特征空間里進行，其變量的選擇需要根據(jù)經(jīng)驗和反復(fù)的實驗來確定。2.2計算機遙感影像分類的原理在很多情況下，利用少量特征就可以進行遙感影像的地學(xué)專題分59

遙感影像計算機分類的依據(jù)是遙感影像像素的相似度。相似度是兩類模式之間的相似程度。在遙感影像分類過程中，常使用距離和相關(guān)系數(shù)來衡量相似度。距離:特征空間中象元數(shù)據(jù)和分類類別特征的相似程度。距離最小即相似程度最大。度量特征空間中的距離經(jīng)常采用以下幾種算法:絕對值距離歐氏距離2.2計算機遙感影像分類的原理x為像元數(shù)據(jù)矢量類別k的平均值矢量遙感影像計算機分類的依據(jù)是遙感影像像素的相似度。相似度是602.2計算機遙感影像分類的原理絕對值距離歐氏距離2.2計算機遙感影像分類的原理絕對值距離歐氏距離61馬氏距離（Mahalanobis，既考慮離散度，也考慮各軸間的總體分布相關(guān))混合距離（像元i到第g類類均值的距離）為g類k變量的均值m表示g類的像元數(shù)馬氏距離（Mahalanobis，既考慮離散度，也考慮各軸間62馬氏距離是X到類重心之間的加權(quán)距離，其權(quán)系數(shù)為協(xié)方差。馬氏距離是X到類重心之間的加權(quán)距離，其權(quán)系數(shù)為協(xié)方差。63相關(guān)系數(shù)是指像素間的關(guān)聯(lián)程度。采用相關(guān)系數(shù)衡量相似度時，相關(guān)程度越大，相似度越大。兩個像素之間的相關(guān)系數(shù)rij可以定義為：相關(guān)系數(shù)642.計算機遙感分類過程1）首先明確遙感影像分類的目的及其需要解決的問題，在此基礎(chǔ)上根據(jù)應(yīng)用目的選取特定區(qū)域的遙感數(shù)字影像，影像選取時應(yīng)考慮影像的空間分辨率、光譜分辨率、成像時間、影像質(zhì)量等。（2）根據(jù)研究區(qū)域，收集與分析地面參考信息與有關(guān)數(shù)據(jù)。為提高計算機分類的精度，需要對數(shù)字影像進行輻射校正和幾何糾正（這部分工作也可能由提供數(shù)字影像的衛(wèi)星地面站完成）。2.計算機遙感分類過程65（3）對影像分類方法進行比較研究，掌握各種分類方法的優(yōu)缺點，然后根據(jù)分類要求和影像數(shù)據(jù)的特征，選擇合適的影像分類方法和算法。根據(jù)應(yīng)用目的及影像數(shù)據(jù)的特征制定分類系統(tǒng)，確定分類類別，也可通過監(jiān)督分類方法，從訓(xùn)練數(shù)據(jù)中提取影像數(shù)據(jù)特征，在分類過程中確定分類類別。（4）找出代表這些類別的統(tǒng)計特征。（5）為了測定總體特征，在監(jiān)督分類中可選擇具有代表性的訓(xùn)練場地進行采樣，測定其特征。在無監(jiān)督分類中，可用聚類等方法對特征相似的像素進行歸類，測定其特征。（3）對影像分類方法進行比較研究，掌握各種分類方法的優(yōu)缺點，66（6）對遙感影像中各像素進行分類。包括對每個像素進行分類和對預(yù)先分割均勻的區(qū)域進行分類。（7）分類精度檢查。在監(jiān)督分類中把已知的訓(xùn)練數(shù)據(jù)及分類類別與分類結(jié)果進行比較，確認分類的精度及可靠性。在非監(jiān)督分類中，采用隨機抽樣方法，分類效果的好壞需經(jīng)實際檢驗或利用分類區(qū)域的調(diào)查材料、專題圖進行核查。（8）對判別分析的結(jié)果統(tǒng)計檢驗。（6）對遙感影像中各像素進行分類。包括對每個像素進行分類和對672.3分類方法根據(jù)分類過程中人工參與程度分為監(jiān)督和非監(jiān)督分類分類方法包括監(jiān)督分類、非監(jiān)督分類、混合分類。監(jiān)督和非監(jiān)督是最常用的兩種常規(guī)分類方法。非監(jiān)督分類：在沒有先驗類別（訓(xùn)練場地）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進行歸類合并（將相似度大的像元歸為一類）的方法。根據(jù)圖像統(tǒng)計本身的統(tǒng)計特點及點群的分布情況，從純統(tǒng)計學(xué)的角度進行類別劃分。2.3分類方法根據(jù)分類過程中人工參與程度分為監(jiān)督和非監(jiān)督分68監(jiān)督分類方法（又稱訓(xùn)練分類法）：首先需要從研究區(qū)域選取有代表性的訓(xùn)練區(qū)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)（如像素亮度均值、方差等），建立判別函數(shù)，據(jù)此對樣本像元進行分類，依據(jù)樣本類別的特征來識別非樣本像元的歸屬類別。簡單說，用被確定類別的樣本像元去識別其他未知類別像元的過程。監(jiān)督分類方法（又稱訓(xùn)練分類法）：首先需要從研究區(qū)域選取有代表69監(jiān)督分類：最小距離法、特征曲線窗口法、最大似然法非監(jiān)督分類：多級集群法、K-均值法、動態(tài)聚類法（ISODATA）、等監(jiān)督分類：最小距離法、特征曲線窗口法、最大似然法70監(jiān)督分類1.最小距離法是用特征空間中的距離表示像元數(shù)據(jù)和分類類別特征的相似程度，在距離最小時（相似度最大）的類別上對像元數(shù)據(jù)進行分類的方法。包括：最小距離判別法最近鄰域分類法監(jiān)督分類1.最小距離法71最小距離判別法這種方法要求對遙感影像中每一個類別選一個具有代表意義的統(tǒng)計特征量（均值），首先計算待分像元與已知類別之間的距離，然后將其歸屬于距離最小的一類。最近鄰域分類法這種方法是上述方法在多波段遙感影像分類中的推廣。在多波段遙感影像分類中，每一類別具有多個統(tǒng)計特征量。最近鄰域分類法首先計算待分像元到每一類中每一個統(tǒng)計特征量間的距離，這樣，該像元到每一類都有幾個距離值，取其中最小的一個距離作為該像元到該類別的距離，最后比較該待分像元到所有類別間的距離，將其歸屬于距離最小的一類。最小距離判別法72最小距離分類法原理簡單，分類精度不高，但計算速度快，可以在快速瀏覽分類概況中使用。最小距離分類法原理簡單，分類精度不高，但計算速度快，可以在快732.多級切割法是根據(jù)設(shè)定在各軸上的值域分割多維特征空間的分類方法。這種方法要求通過選取訓(xùn)練區(qū)，詳細了解分類類別（總體）的特征，并以較高的精度設(shè)定每個分類類別的光譜特征上限值和下限值，以便構(gòu)成特征子空間。對于一個未知類別的像素來說，它的分類取決于它落入哪個類別特征子空間中。如落入某個特征子空間中，則屬于該類，如落入所有特征子空間之外，則屬于未知類型，2.多級切割法74因此多級切割分類法要求訓(xùn)練區(qū)樣本的選擇必須覆蓋所有的類型，在分類過程中，需要利用待分類像素光譜特征值與各個類別特征子空間在每一維上的值域進行內(nèi)外判斷，檢查其落入哪個類別特征子空間中，直到完成各像素的分類。因此多級切割分類法要求訓(xùn)練區(qū)樣本的選擇必須覆蓋所有的類型，在75用多級切割法分割三維特征空間

用多級切割法分割三維特征空間76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。因此運用多級分割法分類前，需要先進行主成分分析，或采用其他方法對各軸進行相互獨立的正交變換，然后進行多級分割。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773.最大似然法求出像元數(shù)據(jù)對于各類別的似然度（likelihood），把該像元分到似然度最大的類別中去的方法。似然度是指，當觀測到像元數(shù)據(jù)x時，它是從分類類別k中得到的（后驗）概率。它假定訓(xùn)練區(qū)地物的光譜特征和自然界大部分隨機現(xiàn)象一樣，近似服從正態(tài)分布，利用訓(xùn)練區(qū)可求出均值、方差以及協(xié)方差等特征參數(shù)，從而可求出總體的先驗概率密度函數(shù)。當總體分布不符合正態(tài)分布時，其分類可靠性將下降，這種情況下不宜采用最大似然比分類法。3.最大似然法78利用概率判別函數(shù)和貝葉斯判別規(guī)則進行分類通過訓(xùn)練區(qū)，可求出其平均值及方差、協(xié)方差等特征參數(shù)，從而得出總體的先驗概率密度函數(shù)，此時像素X歸為K類的歸屬概率表示如下：利用概率判別函數(shù)和貝葉斯判別規(guī)則進行分類通過訓(xùn)練區(qū)，可求出其79第三章-遙感圖像解譯課件80最大似然法原始圖像分類圖像最大似然法原始圖像分類圖像81最大似然法的優(yōu)缺點：優(yōu)點：考慮特征空間中類別的形狀、大小和定位。缺點：計算量大，計算時間長

假定地物光譜特征呈正太分布。最大似然法的優(yōu)缺點：82非監(jiān)督分類前提是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。非監(jiān)督分類方法不必對影像地物獲取先驗知識，僅依靠影像上不同類地物光譜信息（或紋理信息）進行特征提取，再統(tǒng)計特征的差別來達到分類的目的，最后對已分出的各個類別的實際屬性進行確認。非監(jiān)督分類前提是假定遙感影像上同類物體在同樣條件下具有相同的831.分級集群法當同類物體聚集分布在一定的空間位置上，它們在同樣條件下應(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。分類過程：①確定評價各樣本相似程度所采用的指標②初定分類總數(shù)③計算樣本間的距離，據(jù)距離最近的原則判定樣本歸并到不同類別。④歸并后的類別作為新類，與剩余的類別重新組合，然后再計算并改正其距離1.分級集群法842.動態(tài)聚類法（ISODATA）在初始狀態(tài)給出影像粗糙的分類，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，這種聚類方法就是動態(tài)聚類。ISODATA(IterativeOrgnizingDataAnalysizeTechnique迭代自組織數(shù)據(jù)分析技術(shù)）方法在動態(tài)聚類法中具有代表性。2.動態(tài)聚類法（ISODATA）85按照某個原則選擇一些初始類聚類中心。在實際操作中，要把初始聚類數(shù)設(shè)定得大一些，同時引入各種對迭代次數(shù)進行控制的參數(shù)，如控制迭代的總次數(shù)、每一類別最小像元數(shù)、類別的標準差、比較相鄰兩次迭代效果以及可以合并的最大類別對數(shù)等，在整個迭代過程中，不僅每個像元的歸屬類別在調(diào)整，而且類別總數(shù)也在變化。在用計算機編制分類程序時，初始聚類中心可按如下方式確定：設(shè)初始類別數(shù)為n，這樣共有n個初始聚類中心，求出影像的均值M和方差σ，按下式可求出初始聚類中心:k=1,2,…,n，為初始類中心編號，n為初始類總數(shù)。按照某個原則選擇一些初始類聚類中心。在實際操作中，要把初始聚86動態(tài)聚類法中類別間合并或分割所使用的判別標準是距離，待分像元在特征空間中的距離說明互相之間的相似程度，距離越小，相似性大，則它們可能會歸入同一類。這里的距離可以采用前面介紹的幾種距離。計算并改正重新組合的類別中心，如果重新組合的像素數(shù)目在最小允許值以下，則將該類別取消，并使總類別數(shù)減1。當類別數(shù)在一定的范圍，類別中心間的距離在閾值以上，類別內(nèi)的方差的最大值為閾值以下時，可以看做動態(tài)聚類的結(jié)束。當不滿足動態(tài)聚類的結(jié)束條件時，就要通過類別的合并及分離，調(diào)整類別的數(shù)目和中心間的距離等，然后返回到上一步，重復(fù)進行組合的過程。動態(tài)聚類法中類別間合并或分割所使用的判別標準是距離，待分像元87動態(tài)聚類法中有類別的合并或分裂，這說明迭代過程中類別總數(shù)是可變的。如果兩個類別的中心點距離近，說明相似程度高，兩類就可以合并成一類；或者某類像元數(shù)太少，該類就要合并到最相近的類中去。類別的分裂也有兩種情況：某一類像元數(shù)太多，就設(shè)法分成兩類；如果類別總數(shù)太少，就將離散性最大的一類分成兩個類別，可以先求出每個類別的均值和標準差，然后通過對每一個波段的標準偏差設(shè)定閾值來實現(xiàn)，標準差大于閾值，該類就要分裂。動態(tài)聚類法中有類別的合并或分裂，這說明迭代過程中類別總數(shù)是可88432假彩色合成圖像聚類分類結(jié)果（10類）香港九龍432假彩色合成圖像聚類分類結(jié)果（10類）香港九龍89聚類結(jié)果合并（5類）聚類結(jié)果合并90監(jiān)督分類和非監(jiān)督分類方法比較非監(jiān)督分類優(yōu)點：不需要預(yù)先對待分類區(qū)有廣泛的了解。

需要較少的人工參與，人為誤差的機會減少

小的類別能夠被區(qū)分出來

缺點：盲目的聚類

難以對產(chǎn)生的類別進行控制，得到的類別不一定是想要的類別。

計算速度慢監(jiān)督分類和非監(jiān)督分類方法比較非監(jiān)督分類91監(jiān)督分類優(yōu)點：①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。②可以控制訓(xùn)練樣本的選擇③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重錯誤，精度高。④避免了分監(jiān)督分類中對光譜集群的重新歸類⑤分類速度快缺點：①主觀性②由于中間類別的光譜差異，使訓(xùn)練樣本沒有很好的代表性③只能識別訓(xùn)練中定義的類別監(jiān)督分類922.4分類后處理

無論是監(jiān)督分類還是非監(jiān)督分類，其結(jié)果都會產(chǎn)生一些面積很小的圖斑。無論從專題制圖的角度還是實際應(yīng)用的角度，都有必要對這些小圖斑進行剔除。處理方法：聚類統(tǒng)計(Clump)過濾分析(Sieve)去除分析(Eliminate)分類重編碼（Recode)2.4分類后處理無論是監(jiān)督分類還是非監(jiān)督分類，其結(jié)果都931聚類統(tǒng)計（Clump）通過對分類專題影像計算每個分類圖斑的面積、記錄相鄰區(qū)域中最大圖斑面積的分類值等操作，產(chǎn)生一個Clump類組輸出影像，其中每個圖斑都包含Clump類組屬性。這是一個中間結(jié)果，供下一步處理使用。1聚類統(tǒng)計（Clump）通過對分類專題影像計算每個分類圖斑942.過濾分析（Sieve）

對經(jīng)Clump處理后的Clump類組影像進行處理，按照定義的數(shù)值大小，刪除Clump影像中較小的類組圖斑，并給所有小圖斑賦予新的屬性值0。顯然，這引出了一個小圖斑歸屬問題?？梢耘c原分類圖對比確定新屬性。2.過濾分析（Sieve）對經(jīng)Clump處理后的Clu953.去除分析

用于刪除原始分類影像中的小圖斑或小Clump類組，與過濾不同，去除將刪除的小圖斑合并到相鄰的最大分類中，而且如果輸入影像是Clump聚類影像，經(jīng)過去除處理后，將分類圖斑的屬性值自動恢復(fù)為Clump處理前的原始分類編碼。即結(jié)果是簡化的分類影像。3.去除分析用于刪除原始分類影像中的小圖斑或小Clum964.分類重編碼（Recode）

主要是針對非監(jiān)督分類而言的，因在非監(jiān)督分類過程中，用戶一般要定義比最終需要多一定數(shù)量的分類數(shù)；在完全按照像元灰度值通過ISODATA聚類獲得分類方案后，首先是將專題分類影像與原始影像對照，判斷每個類別的專題屬性，然后對相似或類似的分類通過影像重編碼進行合并，并定義分類名稱和顏色。分類重編碼還可以用在其它方面，作用有所不同。4.分類重編碼（Recode）主要是針對非監(jiān)督97第三章-遙感圖像解譯課件98遙感影像分類中存在的問題遙感影響計算機分類的主要依據(jù)是地物光譜特征，因此，存在著如下問題：（1）未充分利用遙感影像提供的多種信息只考慮多光譜特征，沒有考慮相鄰像素間的關(guān)系；沒有利用影像提供的形狀和空間位置特征（湖泊與河流）遙感影像分類中存在的問題遙感影響計算機分類的主要依據(jù)是地物光99（2）遙感影像分類精度提高受到限制：大氣狀況（成分及濕度）的影響下墊面（覆蓋類型及起伏狀態(tài)）的影響其他因素：云朵覆蓋、不同時相光照條件不同以及地物邊界的多樣性同物異譜及同譜異物導(dǎo)致同一作物不同生態(tài)狀態(tài)下光譜特征有差異（2）遙感影像分類精度提高受到限制：1002.5遙感圖像專家解譯系統(tǒng)專家系統(tǒng)：把某一特定領(lǐng)域的專家知識與經(jīng)驗形式化后輸入到計算機中，有計算機模仿專家思考問題與解決問題，是代替專家解決專業(yè)問題的技術(shù)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)遙感圖像解譯知識獲取子系統(tǒng)遙感圖像解譯專家系統(tǒng)的機理計算機解譯的主要技術(shù)發(fā)展趨勢2.5遙感圖像專家解譯系統(tǒng)專家系統(tǒng)：把某一特定領(lǐng)域的專家知101專家系統(tǒng)的組成1.圖像處理與特征提取子系統(tǒng)：包括圖像處理、地形圖數(shù)字化、幾何精校正、分類與特征提取、圖像區(qū)域分割。2.遙感圖像解譯知識獲取系統(tǒng)：獲取遙感圖像解譯專家知識，并把專家知識形式化表示，存儲在知識庫中。3.俠義的遙感圖像解譯專家系統(tǒng)：由遙感圖像數(shù)據(jù)庫和數(shù)據(jù)管理模塊、知識庫和管理模塊、推理機和解釋器等構(gòu)成。專家系統(tǒng)的組成1.圖像處理與特征提取子系統(tǒng)：包括圖像處理、102系統(tǒng)邏輯結(jié)構(gòu)圖系統(tǒng)邏輯結(jié)構(gòu)圖103計算機解譯的主要技術(shù)發(fā)展趨勢1.抽取遙感圖像多種特征計算機解譯的主要技術(shù)發(fā)展趨勢1.抽取遙感圖像多種特征104第3章遙感圖像解譯與分類

GeographyAnalysisforRemoteSensing遙感地學(xué)分析第3章遙感圖像解譯與分類

GeographyAnaly105第一節(jié)遙感圖像解譯遙感提供的是一種綜合信息，不僅表現(xiàn)在它反映的地學(xué)要素---地質(zhì)、地貌、水文、土壤、植被、社會生態(tài)等的綜合，是由相互關(guān)聯(lián)的自然及社會現(xiàn)象所構(gòu)成的。它是不同空間分辨率、波普分辨率和時間分辨率的遙感信息的綜合。遙感圖像解譯是通過遙感圖像所提供的各種識別目標的特征信息進行分析、推理與判斷，最終達到識別目標或現(xiàn)象的目的。第一節(jié)遙感圖像解譯遙感提供的是一種綜合信息，不僅表現(xiàn)在它反106地學(xué)環(huán)境遙感信息地物信息圖像處理人員的認識圖像處理符號表示語義生成圖像數(shù)據(jù)庫地學(xué)信息處理人員的認識應(yīng)用模型地物識別地學(xué)分析數(shù)據(jù)獲取地物信息和知識地學(xué)環(huán)境遙感信息地物信息圖像處理人員的認識圖像處理符號表示語107遙感圖像解譯地物信息的傳遞是從數(shù)據(jù)獲取開始的，數(shù)據(jù)獲取實質(zhì)上是由傳感器代替人直接觀測地學(xué)環(huán)境，通常情況下是圍繞某項任務(wù)，有計劃、有目的的開展的。地物影像幾何信息輻射信息地物幾何位置地物屬性地物數(shù)量指標模型重建幾何測量影像識別定量分析遙感圖像解譯地物信息的傳遞是從數(shù)據(jù)獲取開始的，數(shù)據(jù)獲取實質(zhì)上108遙感圖像解譯的對象主要是各類地物或地學(xué)現(xiàn)象，在解譯時一般會有相關(guān)的專業(yè)人員的配合，但作為解譯者若想得到比較滿意的結(jié)果，相關(guān)的地學(xué)知識在解譯時應(yīng)或多或少知道一些。例如，解譯與地質(zhì)構(gòu)造有關(guān)的空間對象，類似下圖的知識需要知道。線性構(gòu)造弧型構(gòu)造環(huán)型構(gòu)造地學(xué)的應(yīng)用遙感圖像解譯的對象主要是各類地物或地學(xué)現(xiàn)象，在解譯時一般會有109物候?qū)W的應(yīng)用物候是比較特殊的地學(xué)現(xiàn)象，與時間和空間都有關(guān)系，并具有周期性。在解譯與生命現(xiàn)象有關(guān)的物體如植物、動物時，對物候的了解程度可能決定解譯工作的好壞。例如，華中地區(qū)的遙感植被調(diào)查就需要知道如下幾個關(guān)鍵時段：4月份，展葉期5月份，開花期7~8月份，茂盛期10~11月份果熟期，葉變色期物候?qū)W的應(yīng)用物候是比較特殊的地學(xué)現(xiàn)象，與時間和空間都有關(guān)系，110生物學(xué)知識的應(yīng)用農(nóng)業(yè)、林業(yè)、海洋及生態(tài)調(diào)查都與生物有關(guān)。在遙感信息中，如植被指數(shù)、熱慣量等都會應(yīng)用到生物學(xué)知識。其中，植被指數(shù)就是通過比較分析葉綠素與光譜反射率之間的關(guān)系得出的概念。生物學(xué)知識的應(yīng)用農(nóng)業(yè)、林業(yè)、海洋及生態(tài)調(diào)查都與生物有關(guān)。在遙111遙感解譯的任務(wù)按應(yīng)用領(lǐng)域，遙感解譯的目的可分為普通地學(xué)解譯和專業(yè)解譯。普通地學(xué)解譯是為了取得一定地球圈層范圍內(nèi)的綜合性信息，常見的是地理基礎(chǔ)信息（居民地、道路、水系、獨立地物、植被等）解譯和景觀解譯。專業(yè)解譯主要是為了解決各部門的任務(wù)，用于提取特定的要素或概念的信息，包括地質(zhì)、林業(yè)、農(nóng)業(yè)和軍事。遙感解譯的任務(wù)按應(yīng)用領(lǐng)域，遙感解譯的目的可分為普通地學(xué)解譯和112遙感解譯的分類一般分為兩種：目視解譯，由專業(yè)人員通過直接觀察或借助判讀儀器在遙感圖像上獲取特定目標地物信息。計算機解譯，以計算機系統(tǒng)為支撐環(huán)境，利用模式識別技術(shù)和人工智能技術(shù)，根據(jù)遙感圖像中目標地物的各種影像特征（顏色、形狀、紋理與空間位置），結(jié)合專家知識庫中對目標地物的解譯經(jīng)驗和規(guī)律等進行分析和推理，實現(xiàn)對遙感圖像的理解。遙感解譯的分類一般分為兩種：113第三章-遙感圖像解譯課件114第三章-遙感圖像解譯課件115目視解譯1.圖像注記2.解譯原理與方法3.目視解譯

3.1水體 3.2城市

3.3火山3.4土地利用/覆蓋

3.5自然災(zāi)害3.6水文

3.7考古3.8地質(zhì)

3.9地貌目視解譯1.圖像注記116Landsat圖像注記符號1）重疊符號圖像四角的“＋”號，影像套準用2）圖像中心對角線的交點。3）航線重疊“T”和“－”表示航向承擔。4）經(jīng)緯度注記E:東經(jīng)；N:北緯5）灰標1級為白色，15為黑色。Landsat圖像注記符號117第三章-遙感圖像解譯課件11802May78成像時間CN31-38/E212-41像主點坐標D127-038D表示降軌，軌道號－行號NN31-38/E121-43像底點坐標MMSS多光譜掃描儀（4，5，6，7，8通道）RBV有1，2，3通道SUNEL52A107高度角52度（地面起算）；方位角107度（正北起算）02May78成像時間CN31-38/E212-41像主點119S1SS:系統(tǒng)水平校正；1表示滿幅185×185Km；S為空間斜軸麥卡托投影（L蘭勃特，U橫軸麥卡托等）。-P-NL2P:推測星歷計算N:正常處理（A非正常）L:傳感器低增益；2為壓縮傳輸NASAERTSNationalAeronauticsandSpaceAdministrationE-21196-01222-5衛(wèi)星編號和成像時間。E-2:第2顆地球資源衛(wèi)星；1196：衛(wèi)星發(fā)射天數(shù)；01222：格林威治1點22分20秒；5：表示光譜段是5通道。S1SS:系統(tǒng)水平校正；1表示滿幅185×185Km；S為空120圖像編號：軌道號＋行號（Path+Row）軌道號:衛(wèi)星運行的軌道系列號，由東向西。行號：由北向南，N80o

為起點。北京幅圖像編號：133－32，第133號軌道32景覆蓋北京。陸地衛(wèi)星圖像編號圖像編號：軌道號＋行號（Path+Row）陸地衛(wèi)星圖像編號121第三章-遙感圖像解譯課件122AglobalnotationsystemcalledtheWorldwideReferenceSystemAglobalnotationsystemcalle123Landsat4，5，7：從東到西233圈，依次編233個軌道號。從東向西，編號001~233.Path001于西經(jīng)64.6度穿過赤道。同一軌每景的間隔約23.92秒，共248景。

Row60coincideswiththeequatorduringthedescendingnodeonthedaysidepartoftheorbitandRow184duringtheascendingnode.北緯80度47分，Row001，南緯81度51分，Row122；Landsat4，5，7：124SPOT衛(wèi)星坐標網(wǎng)格參考系統(tǒng)GridReferenceSystem(GRS)

，來確定每一個影像的地理位置，由列號K和行號J標識影像的中心位置。K為1至738的整數(shù)；J為從北緯71.7至南緯71.7之間的200至500的整數(shù)。N:由西向東，從1至369的參考軌道號；R:在26天內(nèi)飛經(jīng)不同軌道的順序號。影像1：K280,J270;影像2：K279,J270SPOT衛(wèi)星坐標網(wǎng)格參考系統(tǒng)GridReferenceS125SPOT衛(wèi)星坐標網(wǎng)格參考系統(tǒng)SPOT可以觀測到南、北緯87的范圍。GRS以赤道為分界，對稱地把地球分為5個區(qū)從北緯51.5到南緯51.5是中心區(qū).從北緯或者南緯51.5延伸到71.7度是一個區(qū)北極圈和南極圈區(qū)域是從71.7度到極點。

除了兩極區(qū)域，列K平行于衛(wèi)星軌道，行J平行于緯線。兩極地區(qū)，與軌道無關(guān)。SPOT衛(wèi)星坐標網(wǎng)格參考系統(tǒng)SPOT可以觀測到南、北緯87的126解譯原理與方法1.影像選擇分辨率：空間分辨率；時間分辨率；光譜分辨率季相影響：植被差異；太陽高度角；水分影響圖像顯示真彩色合成；假彩色合成解譯原理與方法1.影像選擇127各種遙感目的對空間分辨率的要求1）巨型地物與現(xiàn)象：要求的圖像空間分辨率低，但涉及的范圍很廣，通常會牽扯到多個國家，有些會是世界范圍的。地殼10km；成礦帶2km大陸架2km；洋流5km自然地帶2km；生長季節(jié)2km各種遙感目的對空間分辨率的要求1）巨型地物與現(xiàn)象：要求的圖像128中國自然地帶中國自然地帶1292）大型地物與現(xiàn)象主要用于較大范圍的區(qū)域調(diào)查。地?zé)豳Y源：1km冰與雪：1km大氣：1km土壤水分：150m海洋資源：100m環(huán)境質(zhì)量評價：100m區(qū)域覆蓋類型：400m沙塵暴監(jiān)測：400m2）大型地物與現(xiàn)象130第三章-遙感圖像解譯課件1313）中型地物與現(xiàn)象與人們生產(chǎn)、生活比較密切，特別是與各種資源調(diào)查關(guān)系密切，因而對圖像空間分辨率要求也較高。作物估產(chǎn)：50m植物群落：50m洪水災(zāi)害：50m水庫監(jiān)測：50m污染監(jiān)測：50m森林火災(zāi)監(jiān)測：50m港灣懸浮物調(diào)查：50m3）中型地物與現(xiàn)象132主要耕地分類主要耕地分類1334）小型地物與現(xiàn)象涉及各種人工地物或較小的人類活動區(qū)域，對圖像分辨率要求很高。交通設(shè)施：1m建筑物：1m道路：1m污染物識別：10m4）小型地物與現(xiàn)象134分辨率選擇分辨率適用范圍1000m大地構(gòu)造，臺風(fēng)移動，海面溫度，全球變化250m區(qū)域地質(zhì)構(gòu)造，森林火災(zāi)，沙塵監(jiān)測，流域研究80m地質(zhì)成圖，土地類型，植被調(diào)查30m礦產(chǎn)調(diào)查，地表溫度，土地利用，流域成圖，海水污染，森林祥查10m侵蝕調(diào)查，漁場調(diào)查，水污染3m土壤調(diào)查，土壤溫度，森林密度，樹種調(diào)查，人工建筑，1：5萬地形圖<1m軍事偵察分辨率選擇分辨率適用范圍1000m大地構(gòu)造，臺風(fēng)移動，海面溫1352.季相影響1）植被差異冬季成像有利于突出地表信息；夏季有利植被解譯。2）太陽高度角冬季太陽高度低，物體陰影長，輻射強度低，地物形態(tài)信息豐富。夏季太陽高度高，陰影短，有利地物光譜特征的反映。3）水分影響2.季相影響1363.圖像顯示

黑白影像（全色）真彩色（天然彩色）：影像上地物的顏色是地物天然色彩的再現(xiàn)。如RGB:TM3,2,1。標準假彩色（彩色紅外）falsecolor：與地物的天然色相比，都向短波方向移動了一個色向。如RGB:TM4,3,2。地物反差增大有利于解譯。偽彩色（Pseudocolor）:1張黑白圖像的灰階分為若干等級，在每個等級上賦予顏色，就成為最簡單的偽彩色。3.圖像顯示黑白影像（全色）137黑白影像IKONOS_Pan(1m)黑白影像IKONOS_Pan(1m)138真彩色RGB(3,2,1)真彩色139標準假彩色RGB(4,3,2)標準假彩色RGB(4,3,2)140偽色彩表示的DEM偽色彩表示的DEM141目視解譯的方法和步驟先圖外后圖內(nèi)先整體后局部先宏觀后微觀從已知到未知目視解譯的方法和步驟142目視解譯要素大小Size根據(jù)比例尺推算出地物大小形狀Shape人工與非人工地物的區(qū)別陰影Shadow利用陰影推算高度色調(diào)Tone灰度，反射率從白－黑的密度變化顏色Color顏色的差別有利于地物判讀紋理Texture色調(diào)配合呈平滑或粗糙程度，草場與針葉林圖案Pattern有規(guī)律排列形成的圖案位置地理背景知識，綜合分析目視解譯要素大小Size根據(jù)比例尺推算出地物大小形狀Shap143123456789101112131415161718192021222324252627282930313233343536IKONOS的樣本1-3:newresidential4-9:oldresidential10-12:downtowncommercial13-15:suburbanshoppingmall 16-18:industrial19-21:institutional22-24:golfcourse25-27:forest 28-30:cornfield31-33:beanfield34-36:harvestedfield123456789101112131415161718192144目視解譯的判讀1.水體在標準假彩色圖像上，深而清澈的水體層黑或藍黑色；水淺者多為淺藍色；含泥沙者顏色更淺，含沙量過高則呈乳白色；有水生植物者呈紅色斑點。水系樹枝狀水系主要分布在沖積平原、侵蝕平原等基巖軟弱地區(qū)。放射狀水系主要分布在火山，孤山或穹形隆起地區(qū)。目視解譯的判讀1.水體1452.植被植被色調(diào)隨其品種、環(huán)境和成像波段而變。在Landsat4,5波段植被呈深色調(diào)，在6，7波段為淺色調(diào)，闊葉林比針葉林色調(diào)淺。在標準假彩色圖像，植被為紅色，幼嫩植被帶粉紅色，成熟時是鮮紅色，受蟲災(zāi)時呈暗紅色。闊葉林比針葉林更鮮紅，灌叢顏色較淺，水稻呈暗紅色。目視解譯的判讀2.植被目視解譯的判讀1463.城鎮(zhèn)和鐵路城鎮(zhèn)的光譜特征是各類建筑物與周圍裸地的綜合反映，當面積較大或與周圍環(huán)境的光譜特征有顯著差異時，可從影像上識別。在多波段黑白圖像上，城鎮(zhèn)多呈深暗色調(diào)；在標準假彩色圖像上，中心色調(diào)深暗、邊緣略淺的灰藍或藍灰色。由于鐵路路基材料與周圍土地的光譜差異較大，其因地基有較寬陰影，在衛(wèi)星圖像上呈色調(diào)深暗，較為清晰地線狀影像。目視解譯的判讀3.城鎮(zhèn)和鐵路目視解譯的判讀147假彩色合成假彩色合成148紅外遙感圖像1）紅外圖像物體色調(diào)特征色調(diào)差別反映地物輻射溫度的差別。紅外圖像上灰度反映的不是地物對可見光的反射程度，而是其輻射溫度。2）紅外圖像物體形態(tài)特征與可見光相比，地物冷暖信息構(gòu)成的模糊輪廓。紅外圖像可用于對物體解譯，不能用于對物體制圖。紅外遙感圖像1）紅外圖像物體色調(diào)特征149ETM+Thermalbandin1999水陸差異ETM+Thermalbandin1999水陸差異150城市熱島119/39,98-8-11120/38,97-9-21城市熱島119/39,98-8-11120/38,97-1513.1水體解譯3.1水體解譯152咸海的變化：30年間，多于60%的水面消失了。Landsat影像（1973~2000年）咸海的變化：Landsat影像1533.2城市解譯Baltimore,MD

April4,2000

巴爾的摩是馬里蘭最大的城市，同時也是美國最繁忙的港口。3.2城市解譯Baltimore,MD

April4154第二節(jié)遙感圖像分類2.1概述2.2遙感影像分類基本原理2.3遙感影像分類方法2.4分類后處理2.5影像解譯專家系統(tǒng)第二節(jié)遙感圖像分類2.1概述1552.1概述遙感影像計算機分類以遙感數(shù)字影像為研究對象，在計算機系統(tǒng)支持下，綜合運用地學(xué)分析、遙感影像處理、地理信息系統(tǒng)、模式識別與人工智能技術(shù)，實現(xiàn)地學(xué)專題信息的智能化獲取。其基本目標是將人工目視解譯遙感影像發(fā)展為計算機支持下的遙感影像理解。2.1概述遙感影像計算機分類以遙感數(shù)字影像為研究對象，在計1562.1概述1計算機遙感影像分類的概念計算機遙感影像分類是統(tǒng)計模式識別技術(shù)在遙感領(lǐng)域中的具體應(yīng)用。統(tǒng)計模式識別的關(guān)鍵是提取待識別模式的一組統(tǒng)計特征值，然后按照一定準則作出決策，從而對數(shù)字影像予以識別。遙感影像分類的主要依據(jù)是地物的光譜特征和空間特征。遙感影像中的同類地物在相同的條件下（紋理、地形、光照以及植被覆蓋等等），應(yīng)具有相同或相似的光譜特征和空間特征，從而表現(xiàn)出同類地物的某種內(nèi)在的相似性，即同類地物像元的特征向量將集群在同一特征空間區(qū)域。2.1概述1計算機遙感影像分類的概念1572.1概述分類是對影像上每個像素按照亮度接近程度給出對應(yīng)類別，以達到大致區(qū)分遙感影像中多種地物的目的。遙感影像分類是將影像的所有像元按其性質(zhì)分為若干個類別的技術(shù)過程（朱述龍等，遙感圖象獲取與分析）。性質(zhì)指地物光譜特征和空間特征。2.1概述分類是對影像上每個像素按照亮度接近程度給出對應(yīng)類1582.1概述2計算機分類遇到的困難（1）遙感影像是從遙遠的高空成像的，成像過程要受傳感器、大氣條件、太陽位置等多種因素的影響。影像中所提供的目標地物信息不僅不完全，而且或多或少地帶有噪聲，因此人們需要從不完全的信息中盡可能精確地提取出地表場景中感興趣的目標物。2.1概述2計算機分類遇到的困難159（2）遙感影像信息量豐富，與一般的影像相比，其包含的內(nèi)容遠比普通的影像多，因而內(nèi)容非常“擁擠”。不同地物間信息的相互影響與干擾使得要提取出感興趣的目標變得非常困難。（3）遙感影像的地域性、季節(jié)性和不同成像方式更增加了計算機對遙感數(shù)字影像進行解譯2.1概述（2）遙感影像信息量豐富，與一般的影像相比，其包含的內(nèi)容遠比1603.計算機分類發(fā)展的前景由于利用遙感影像可以客觀、真實和快速地獲取地球表層信息，這些現(xiàn)勢性很強的遙感數(shù)據(jù)在自然資源調(diào)查與評價、環(huán)境監(jiān)測、自然災(zāi)害評估與軍事偵察上具有廣泛應(yīng)用前景。因此，利用計算機進行遙感影像智能化解譯，快速獲取地表不同專題信息，并利用這些專題信息迅速地更新地理數(shù)據(jù)庫，這是實現(xiàn)遙感影像自動理解的基礎(chǔ)研究之一，也是地理信息系統(tǒng)中數(shù)據(jù)采集自動化研究的一個方向，因此具有重要的理論意義和應(yīng)用前景。2.1概述3.計算機分類發(fā)展的前景2.1概述1612.2計算機遙感影像分類的原理分類過程中采用的統(tǒng)計特征變量包括：全局統(tǒng)計特征變量和局部統(tǒng)計特征變量。全局統(tǒng)計特征變量是將整個數(shù)字影像作為研究對象，從整個影像中獲取或進行變換處理后獲取變量，前者如地物的光譜特征，后者如對TM的6個波段數(shù)據(jù)進行K－T變換（纓帽變換）獲得的亮度特征，利用這兩個變量就可以對遙感影像進行植被分類。局部統(tǒng)計特征變量是將數(shù)字影像分割成不同識別單元，在各個單元內(nèi)分別抽取的統(tǒng)計特征變量。例如，紋理是在某一影像的部分區(qū)域中，以近乎周期性或周期性的種類、方式重復(fù)其自身局部基本模式的單元，因此可以利用矩陣作為特征對紋理進行識別。2.2計算機遙感影像分類的原理分類過程中采用的統(tǒng)計特征變量162

在很多情況下，利用少量特征就可以進行遙感影像的地學(xué)專題分類，因此需要從遙感影像n個特征中選取k個特征作為分類依據(jù)，我們把從n個特征中選取k個更有效特征的過程稱為特征提取。特征提取要求所選擇的特征相對于其他特征更便于有效地分類，使影像分類不必在高維特征空間里進行，其變量的選擇需要根據(jù)經(jīng)驗和反復(fù)的實驗來確定。2.2計算機遙感影像分類的原理在很多情況下，利用少量特征就可以進行遙感影像的地學(xué)專題分163

遙感影像計算機分類的依據(jù)是遙感影像像素的相似度。相似度是兩類模式之間的相似程度。在遙感影像分類過程中，常使用距離和相關(guān)系數(shù)來衡量相似度。距離:特征空間中象元數(shù)據(jù)和分類類別特征的相似程度。距離最小即相似程度最大。度量特征空間中的距離經(jīng)常采用以下幾種算法:絕對值距離歐氏距離2.2計算機遙感影像分類的原理x為像元數(shù)據(jù)矢量類別k的平均值矢量遙感影像計算機分類的依據(jù)是遙感影像像素的相似度。相似度是1642.2計算機遙感影像分類的原理絕對值距離歐氏距離2.2計算機遙感影像分類的原理絕對值距離歐氏距離165馬氏距離（Mahalanobis，既考慮離散度，也考慮各軸間的總體分布相關(guān))混合距離（像元i到第g類類均值的距離）為g類k變量的均值m表示g類的像元數(shù)馬氏距離（Mahalanobis，既考慮離散度，也考慮各軸間166馬氏距離是X到類重心之間的加權(quán)距離，其權(quán)系數(shù)為協(xié)方差。馬氏距離是X到類重心之間的加權(quán)距離，其權(quán)系數(shù)為協(xié)方差。167相關(guān)系數(shù)是指像素間的關(guān)聯(lián)程度。采用相關(guān)系數(shù)衡量相似度時，相關(guān)程度越大，相似度越大。兩個像素之間的相關(guān)系數(shù)rij可以定義為：相關(guān)系數(shù)1682.計算機遙感分類過程1）首先明確遙感影像分類的目的及其需要解決的問題，在此基礎(chǔ)上根據(jù)應(yīng)用目的選取特定區(qū)域的遙感數(shù)字影像，影像選取時應(yīng)考慮影像的空間分辨率、光譜分辨率、成像時間、影像質(zhì)量等。（2）根據(jù)研究區(qū)域，收集與分析地面參考信息與有關(guān)數(shù)據(jù)。為提高計算機分類的精度，需要對數(shù)字影像進行輻射校正和幾何糾正（這部分工作也可能由提供數(shù)字影像的衛(wèi)星地面站完成）。2.計算機遙感分類過程169（3）對影像分類方法進行比較研究，掌握各種分類方法的優(yōu)缺點，然后根據(jù)分類要求和影像數(shù)據(jù)的特征，選擇合適的影像分類方法和算法。根據(jù)應(yīng)用目的及影像數(shù)據(jù)的特征制定分類系統(tǒng)，確定分類類別，也可通過監(jiān)督分類方法，從訓(xùn)練數(shù)據(jù)中提取影像數(shù)據(jù)特征，在分類過程中確定分類類別。（4）找出代表這些類別的統(tǒng)計特征。（5）為了測定總體特征，在監(jiān)督分類中可選擇具有代表性的訓(xùn)練場地進行采樣，測定其特征。在無監(jiān)督分類中，可用聚類等方法對特征相似的像素進行歸類，測定其特征。（3）對影像分類方法進行比較研究，掌握各種分類方法的優(yōu)缺點，170（6）對遙感影像中各像素進行分類。包括對每個像素進行分類和對預(yù)先分割均勻的區(qū)域進行分類。（7）分類精度檢查。在監(jiān)督分類中把已知的訓(xùn)練數(shù)據(jù)及分類類別與分類結(jié)果進行比較，確認分類的精度及可靠性。在非監(jiān)督分類中，采用隨機抽樣方法，分類效果的好壞需經(jīng)實際檢驗或利用分類區(qū)域的調(diào)查材料、專題圖進行核查。（8）對判別分析的結(jié)果統(tǒng)計檢驗。（6）對遙感影像中各像素進行分類。包括對每個像素進行分類和對1712.3分類方法根據(jù)分類過程中人工參與程度分為監(jiān)督和非監(jiān)督分類分類方法包括監(jiān)督分類、非監(jiān)督分類、混合分類。監(jiān)督和非監(jiān)督是最常用的兩種常規(guī)分類方法。非監(jiān)督分類：在沒有先驗類別（訓(xùn)練場地）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進行歸類合并（將相似度大的像元歸為一類）的方法。根據(jù)圖像統(tǒng)計本身的統(tǒng)計特點及點群的分布情況，從純統(tǒng)計學(xué)的角度進行類別劃分。2.3分類方法根據(jù)分類過程中人工參與程度分為監(jiān)督和非監(jiān)督分172監(jiān)督分類方法（又稱訓(xùn)練分類法）：首先需要從研究區(qū)域選取有代表性的訓(xùn)練區(qū)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)（如像素亮度均值、方差等），建立判別函數(shù)，據(jù)此對樣本像元進行分類，依據(jù)樣本類別的特征來識別非樣本像元的歸屬類別。簡單說，用被確定類別的樣本像元去識別其他未知類別像元的過程。監(jiān)督分類方法（又稱訓(xùn)練分類法）：首先需要從研究區(qū)域選取有代表173監(jiān)督分類：最小距離法、特征曲線窗口法、最大似然法非監(jiān)督分類：多級集群法、K-均值法、動態(tài)聚類法（ISODATA）、等監(jiān)督分類：最小距離法、特征曲線窗口法、最大似然法174監(jiān)督分類1.最小距離法是用特征空間中的距離表示像元數(shù)據(jù)和分類類別特征的相似程度，在距離最小時（相似度最大）的類別上對像元數(shù)據(jù)進行分類的方法。包括：最小距離判別法最近鄰域分類法監(jiān)督分類1.最小距離法175最小距離判別法這種方法要求對遙感影像中每一個類別選一個具有代表意義的統(tǒng)計特征量（均值），首先計算待分像元與已知類別之間的距離，然后將其歸屬于距離最小的一類。最近鄰域分類法這種方法是上述方法在多波段遙感影像分類中的推廣。在多波段遙感影像分類中，每一類別具有多個統(tǒng)計特征量。最近鄰域分類法首先計算待分像元到每一類中每一個統(tǒng)計特征量間的距離，這樣，該像元到每一類都有幾個距離值，取其中最小的一個距離作為該像元到該類別的距離，最后比較該待分像元到所有類別間的距離，將其歸屬于距離最小的一類。最小距離判別法176最小距離分類法原理簡單，分類精度不高，但計算速度快，可以在快速瀏覽分類概況中使用。最小距離分類法原理簡單，分類精度不高，但計算速度快，可以在快1772.多級切割法是根據(jù)設(shè)定在各軸上的值域分割多維特征空間的分類方法。這種方法要求通過選取訓(xùn)練區(qū)，詳細了解分類類別（總體）的特征，并以較高的精度設(shè)定每個分類類別的光譜特征上限值和下限值，以便構(gòu)成特征子空間。對于一個未知類別的像素來說，它的分類取決于它落入哪個類別特征子空間中。如落入某個特征子空間中，則屬于該類，如落入所有特征子空間之外，則屬于未知類型，2.多級切割法178因此多級切割分類法要求訓(xùn)練區(qū)樣本的選擇必須覆蓋所有的類型，在分類過程中，需要利用待分類像素光譜特征值與各個類別特征子空間在每一維上的值域進行內(nèi)外判斷，檢查其落入哪個類別特征子空間中，直到完成各像素的分類。因此多級切割分類法要求訓(xùn)練區(qū)樣本的選擇必須覆蓋所有的類型，在179用多級切割法分割三維特征空間

用多級切割法分割三維特征空間180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。因此運用多級分割法分類前，需要先進行主成分分析，或采用其他方法對各軸進行相互獨立的正交變換，然后進行多級分割。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1813.最大似然法求出像元數(shù)據(jù)對于各類別的似然度（likelihood），把該像元分到似然度最大的類別中去的方法。似然度是指，當觀測到像元數(shù)據(jù)x時，它是從分類類別k中得到的（后驗）概率。它假定訓(xùn)練區(qū)地物的光譜特征和自然界大部分隨機現(xiàn)象一樣，近似服從正態(tài)分布，利用訓(xùn)練區(qū)可求出均值、方差以及協(xié)方差等特征參數(shù)，從而可求出總體的先驗概率密度函數(shù)。當總體分布不符合正態(tài)分布時，其分類可靠性將下降，這種情況下不宜采用最大似然比分類法。3.最大似然法182利用概率判別函數(shù)和貝葉斯判別規(guī)則進行分類通過訓(xùn)練區(qū)，可求出其平均值及方差、協(xié)方差等特征參數(shù)，從而得出總體的先驗概率密度函數(shù)，此時像素X歸為K類的歸屬概率表示如下：利用概率判別函數(shù)和貝葉斯判別規(guī)則進行分類通過訓(xùn)練區(qū)，可求出其183第三章-遙感圖像解譯課件184最大似然法原始圖像分類圖像最大似然法原始圖像分類圖像185最大似然法的優(yōu)缺點：優(yōu)點：考慮特征空間中類別的形狀、大小和定位。缺點：計算量大，計算時間長

假定地物光譜特征呈正太分布。最大似然法的優(yōu)缺點：186非監(jiān)督分類前提是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。非監(jiān)督分類方法不必對影像地物獲取先驗知識，僅依靠影像上不同類地物光譜信息（或紋理信息）進行特征提取，再統(tǒng)計特征的差別來達到分類的目的，最后對已分出的各個類別的實際屬性進行確認。非監(jiān)督分類前提是假定遙感影像上同類物體在同樣條件下具有相同的1871.分級集群法當同類物體聚集分布在一定的空間位置上，它們在同樣條件下應(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。分類過程：①確定評價各樣本相似程度所采用的指標②初定分類總數(shù)③計算樣本間的距離，據(jù)距離最近的原則判定樣本歸并到不同類別。④歸并后的類別作為新類，與剩