遙感數(shù)字圖像計(jì)算機(jī)解譯

遙感數(shù)字圖像計(jì)算機(jī)解譯第一頁(yè)，共四十四頁(yè)，編輯于2023年，星期四1I遙感數(shù)字圖像的性質(zhì)與特點(diǎn)II遙感數(shù)字圖像的計(jì)算機(jī)分類第二頁(yè)，共四十四頁(yè)，編輯于2023年，星期四2遙感數(shù)字圖像的性質(zhì)與特點(diǎn)遙感數(shù)字圖像:以數(shù)字形式表現(xiàn)的遙感影像。第三頁(yè)，共四十四頁(yè)，編輯于2023年，星期四3遙感數(shù)字圖像的性質(zhì)與特點(diǎn)遙感數(shù)字圖像:基本單位為像素（像元），是成像過(guò)程的采樣點(diǎn)，也是計(jì)算機(jī)圖像處理的最小單元。

空間特征屬性特征正像素混合像素遙感數(shù)字圖像的特點(diǎn)：1）便于計(jì)算機(jī)處理與分析2）圖像信息損失低3）抽象性強(qiáng)第四頁(yè)，共四十四頁(yè)，編輯于2023年，星期四4遙感數(shù)字圖像的性質(zhì)與特點(diǎn)遙感數(shù)字圖像的類型：1）二值數(shù)字圖像2）單波段數(shù)字圖像3）多波段數(shù)字圖像遙感數(shù)字圖像的存貯：1）BSQ（Bandsequential）2）BIP（Bandinterleavedbypixel）3）BIL（Bandinterleavedbyline）第五頁(yè)，共四十四頁(yè)，編輯于2023年，星期四5遙感數(shù)字圖像的性質(zhì)與特點(diǎn)光學(xué)影像——遙感數(shù)字圖像的轉(zhuǎn)化1）空間采樣：確定采樣間距。對(duì)應(yīng)掃描儀的光學(xué)分辨率，如300dpi2）屬性量化：8位，24位第六頁(yè)，共四十四頁(yè)，編輯于2023年，星期四6I.遙感數(shù)字圖像的性質(zhì)與特點(diǎn)II.遙感數(shù)字圖像的計(jì)算機(jī)分類遙感圖像計(jì)算機(jī)分類基本目標(biāo):

將人工目視解譯遙感圖像發(fā)展為計(jì)算機(jī)支持下的遙感圖像理解。第七頁(yè)，共四十四頁(yè)，編輯于2023年，星期四7遙感專題信息提取的概念：日本遙感學(xué)會(huì)：利用圖像的光譜信息，空間信息以及多時(shí)相信息對(duì)目標(biāo)進(jìn)行識(shí)別并歸類，并將可從遙感圖像中提取的信息分為五類。遙感數(shù)字圖像的計(jì)算機(jī)分類第八頁(yè)，共四十四頁(yè)，編輯于2023年，星期四8遙感數(shù)字圖像的計(jì)算機(jī)分類計(jì)算機(jī)分類：是通過(guò)模式識(shí)別理論，利用計(jì)算機(jī)將遙感圖像自動(dòng)分成若干地物類別的方法。如土地覆蓋/土地利用分類、森林類型分類、植被類型巖性分類、……分類、數(shù)據(jù)--信息（遙感數(shù)據(jù)---地物信息）遙感數(shù)據(jù)包括：1、原始光譜數(shù)據(jù)；2、光譜變換后數(shù)據(jù)；3、非遙感數(shù)據(jù)第九頁(yè)，共四十四頁(yè)，編輯于2023年，星期四9遙感數(shù)字圖像的計(jì)算機(jī)分類模式（pattern）:在多波段圖像中，每個(gè)象元都具有一組對(duì)應(yīng)取值，稱為象元模式特征（feature）：在多波段圖像中，每個(gè)波段都可看作一個(gè)變量，稱為特征變量。特征變量構(gòu)成特征空間。波段：光譜波段其它派生波段（紋理、上下文關(guān)系、波段比等）輔助數(shù)據(jù)(ancillarydata)(非遙感數(shù)據(jù)，如DEM、土壤類型)特征提取(featureextraction)：通過(guò)變換找出最能反映地物類別差異的特征變量用于分類的過(guò)程，也即從遙感圖像n個(gè)特征中選取k個(gè)特征作為分類依據(jù)的過(guò)程。特征提取要求所選擇的特征相對(duì)于其他特征更便于有效地分類，使圖像分類不必在高維特征空間里進(jìn)行，其變量的選擇需要根據(jù)經(jīng)驗(yàn)和反復(fù)的實(shí)驗(yàn)來(lái)確定。第十頁(yè)，共四十四頁(yè)，編輯于2023年，星期四10遙感數(shù)字圖像的計(jì)算機(jī)分類遙感圖像分類的基本原理：不同的地物具有不同的光譜特征，同類地物具有相同或相似的光譜特征。圖像分類：基于數(shù)字圖像中反映的同類地物的光譜相似性和異類地物的光譜差異性。依據(jù)是遙感圖像像素的相似度。距離相關(guān)系數(shù)在遙感圖像常用距離和相關(guān)系數(shù)衡量相似度。第十一頁(yè)，共四十四頁(yè)，編輯于2023年，星期四11常用的距離和有關(guān)統(tǒng)計(jì)量歐氏距離:N,波段數(shù);dij第個(gè)i像元與第j個(gè)像元在N維空間中的距離;xik為第個(gè)k波段上第i個(gè)像元的灰度值;絕對(duì)距離:明斯基距離:歐氏距離和絕對(duì)距離可統(tǒng)一表示為:第十二頁(yè)，共四十四頁(yè)，編輯于2023年，星期四12常用的距離和有關(guān)統(tǒng)計(jì)量馬氏距離(Mahalanobis):相似系數(shù):相關(guān)系數(shù):其中,為兩個(gè)矢量間的夾角第十三頁(yè)，共四十四頁(yè)，編輯于2023年，星期四13遙感影像的光譜特征統(tǒng)計(jì)量像元值--影像中像元的灰度值，反映對(duì)應(yīng)區(qū)域的光譜特性灰度均值－反映圖像中地物的平均反射強(qiáng)度灰度中值－灰度級(jí)中處于中間的值，是灰度級(jí)的統(tǒng)計(jì)量，而非像元值灰度眾數(shù)－出現(xiàn)次數(shù)最多的像元值，反映分布較廣的地物灰度方差－反映信息量大小灰度數(shù)值域－灰度值變化范圍，信息量大小灰度反差－顯示效果和可分辨率第十四頁(yè)，共四十四頁(yè)，編輯于2023年，星期四14遙感數(shù)字圖像計(jì)算機(jī)分類基本過(guò)程：1.根據(jù)應(yīng)用目的選取特定區(qū)域的遙感數(shù)字圖像。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)。3.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，確定分類類別。4.找出代表上述類別的統(tǒng)計(jì)特征。5.測(cè)定總體特征6.對(duì)遙感圖像中所有像素進(jìn)行分類。7.分類精度檢查8.對(duì)判別分析的結(jié)果進(jìn)行統(tǒng)計(jì)檢驗(yàn)。第十五頁(yè)，共四十四頁(yè)，編輯于2023年，星期四15遙感數(shù)字圖像的計(jì)算機(jī)分類遙感數(shù)字圖像的分類方法分類（classification）執(zhí)行方式：監(jiān)督分類、非監(jiān)督分類分類模型或分類器：

統(tǒng)計(jì)分類、模糊分類、鄰域分類、神經(jīng)網(wǎng)絡(luò)分類等。第十六頁(yè)，共四十四頁(yè)，編輯于2023年，星期四16分類方法：監(jiān)督分類（supervisedclassification）：通過(guò)選擇代表各類別的已知樣本（訓(xùn)練區(qū)）的象元光譜特征，事先取得個(gè)類別的參數(shù)，確定判別函數(shù)，從而進(jìn)行分類。在監(jiān)督分類中，先定義信息類，然后檢驗(yàn)它們的光譜可分性。遙感數(shù)字圖像的計(jì)算機(jī)分類第十七頁(yè)，共四十四頁(yè)，編輯于2023年，星期四17

非監(jiān)督分類(unsupervisedclassification)：根據(jù)事先指定的某一準(zhǔn)則，而進(jìn)行計(jì)算機(jī)自動(dòng)判別歸類，無(wú)須人為干預(yù)，分類后需確定地面類別主要采用聚類法，使同一類別的像素之間的距離盡可能的小而不同類別上的像素間的距離盡可能的大。

在非監(jiān)督分類中，先確定光譜可分的類別，然后定義它們的信息類。遙感數(shù)字圖像的計(jì)算機(jī)分類第十八頁(yè)，共四十四頁(yè)，編輯于2023年，星期四184-3-2假彩色合成圖像非監(jiān)督分類(聚類)結(jié)果:15個(gè)光譜類非監(jiān)督分類遙感數(shù)字圖像的計(jì)算機(jī)分類第十九頁(yè)，共四十四頁(yè)，編輯于2023年，星期四19非監(jiān)督分類1.4-3-2假彩色合成圖像(香港九龍);2.聚類結(jié)果(10類)遙感數(shù)字圖像的計(jì)算機(jī)分類第二十頁(yè)，共四十四頁(yè)，編輯于2023年，星期四20非監(jiān)督分類3.聚類結(jié)果合并(5類);4.最終結(jié)果(類別顏色改變)遙感數(shù)字圖像的計(jì)算機(jī)分類第二十一頁(yè)，共四十四頁(yè)，編輯于2023年，星期四21訓(xùn)練區(qū)：已知覆蓋類型的代表樣區(qū)用于描述主要特征類型的光譜屬性其精度直接影響分類結(jié)果檢驗(yàn)區(qū)：用于評(píng)價(jià)分類精度的代表樣區(qū)監(jiān)督分類遙感數(shù)字圖像的計(jì)算機(jī)分類第二十二頁(yè)，共四十四頁(yè)，編輯于2023年，星期四22訓(xùn)練區(qū)的選擇遙感數(shù)字圖像的計(jì)算機(jī)分類用于監(jiān)督分類的訓(xùn)練場(chǎng)地應(yīng)該是光譜特征比較均一的地區(qū)，一般在圖像顯示中根據(jù)均一的色調(diào)估計(jì)只有一類地物，而且一類地物的訓(xùn)練場(chǎng)地可選取一塊以上。訓(xùn)練樣本的數(shù)目至少要能滿足建立分類用判別函數(shù)的要求，以克服各種偶然因素的影響，而對(duì)于光譜特征變化較大的地物，訓(xùn)練樣本的數(shù)目要更多一些，以反映其變化范圍。一般情況下，要得出可靠的統(tǒng)計(jì)數(shù)據(jù)，每類至少要有10～100個(gè)訓(xùn)練樣本數(shù)據(jù)。第二十三頁(yè)，共四十四頁(yè)，編輯于2023年，星期四23分類結(jié)果第二十四頁(yè)，共四十四頁(yè)，編輯于2023年，星期四24分類過(guò)程分類預(yù)處理：大氣校正、幾何校正與配準(zhǔn)特征選擇(提取)分類（監(jiān)督分類訓(xùn)練區(qū)的選擇）分類后處理，包括精度評(píng)價(jià)專題圖制作遙感數(shù)字圖像的計(jì)算機(jī)分類第二十五頁(yè)，共四十四頁(yè)，編輯于2023年，星期四25原始圖像分類圖像第二十六頁(yè)，共四十四頁(yè)，編輯于2023年，星期四26最終結(jié)果：專題制圖第二十七頁(yè)，共四十四頁(yè)，編輯于2023年，星期四27問(wèn)題（光譜分類）：同物異譜：同類地物具有不同的光譜特征同譜異物：不同的地物可能具有相似的光譜特征。如：同一作物，生長(zhǎng)狀態(tài)不同，光譜特征有差異；不同的植被類型可能有相似的光譜特征。遙感數(shù)字圖像的計(jì)算機(jī)分類第二十八頁(yè)，共四十四頁(yè)，編輯于2023年，星期四28長(zhǎng)滿藻類并含有不同濃度懸浮物的水體（0-500mg/l）的光譜曲線清水和長(zhǎng)滿藻類的水體的實(shí)測(cè)光譜曲線葉綠素a在400與500nm間和675nm處的強(qiáng)烈吸收水體光譜特征的變化：同物異譜第二十九頁(yè)，共四十四頁(yè)，編輯于2023年，星期四29問(wèn)題：光譜類和信息類不對(duì)應(yīng)光譜類（spectralclass）：基于光譜特征形成的類別如房屋的陽(yáng)面和陰面光譜特征不同，不同的光譜類信息類(informationclass)：根據(jù)實(shí)際需要待分的類別人為的劃分，如城市類由道路、建筑物、水體、綠地等不同地物組成，不同地物光譜特征不同。磚場(chǎng)：煙囪（窯）、取土坑、堆磚處、房屋等遙感數(shù)字圖像的計(jì)算機(jī)分類第三十頁(yè)，共四十四頁(yè)，編輯于2023年，星期四30遙感數(shù)字圖像的計(jì)算機(jī)分類監(jiān)督分類中常用的具體方法：

1)、最小距離分類法2)、多級(jí)切割分類法3)、特征曲線窗口法4)、最大似然比分類法第三十一頁(yè)，共四十四頁(yè)，編輯于2023年，星期四31遙感數(shù)字圖像的計(jì)算機(jī)分類1)、最小距離分類法（minimumdistanceclassifier）一種相對(duì)簡(jiǎn)化了的分類方法。假設(shè)N維空間存在M個(gè)類別，某一像元距哪類距離最小，則判歸該類。通過(guò)訓(xùn)練樣本事先確定類別數(shù)、類別中心，然后進(jìn)行分類。分類的精度取決于訓(xùn)練樣本的準(zhǔn)確與否。第三十二頁(yè)，共四十四頁(yè)，編輯于2023年，星期四32遙感數(shù)字圖像的計(jì)算機(jī)分類2)、多級(jí)切割分類法（multi-levelsliceclassifier）在各特征軸上設(shè)置一系列分割點(diǎn)。將多維特征空間劃分成分別對(duì)應(yīng)不同分類類別的互不重疊的特征子空間。第三十三頁(yè)，共四十四頁(yè)，編輯于2023年，星期四333)、特征曲線窗口法特征曲線：地物光譜特征參數(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)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。特征曲線窗口法分類的依據(jù)是：相同地物在相同地域環(huán)境及成像條件下，特征曲線相同或相近，而不同地物的特征曲線差別明顯。

特征曲線選取方法:地物吸收特征曲線，地物亮度值特征曲線等。窗口選擇:根據(jù)地物的特征參數(shù)上、下限值構(gòu)造,如地物光譜曲線反射峰、谷的寬度和峰值的高度。遙感數(shù)字圖像的計(jì)算機(jī)分類第三十四頁(yè)，共四十四頁(yè)，編輯于2023年，星期四34遙感數(shù)字圖像的計(jì)算機(jī)分類4)、最大似然比分類法（maximumlikelihoodclassifier）求出每個(gè)像素對(duì)于各類別的歸屬概率(似然度likelihood)，把該像素分到歸屬概率最大的類別中去。建立在貝葉斯準(zhǔn)則基礎(chǔ)上分類錯(cuò)誤概率最小的一種非線性分類，是應(yīng)用比較廣泛、比較成熟的一種監(jiān)督分類方法。

同類地物在特征空間中形成一個(gè)從屬與某種概率分布的集群(類別)X落入(歸屬)類別k的條件概率為P(kx)---概率判別函數(shù)X落入(歸屬)條件概率最大的類別,定為X的類別---貝葉斯判別規(guī)則第三十五頁(yè)，共四十四頁(yè)，編輯于2023年，星期四35遙感數(shù)字圖像的計(jì)算機(jī)分類4)、最大似然比分類法第三十六頁(yè)，共四十四頁(yè)，編輯于2023年，星期四36遙感數(shù)字圖像的計(jì)算機(jī)分類訓(xùn)練階段的質(zhì)量決定著分類階段的成功與否，也決定著從分類中所獲取的信息的價(jià)值用于圖像分類的訓(xùn)練區(qū)的統(tǒng)計(jì)結(jié)果，一定要充分反映每種信息類型中光譜類別的所有組成。代表性、完整性分布：多個(gè)樣區(qū)第三十七頁(yè)，共四十四頁(yè)，編輯于2023年，星期四37非監(jiān)督分類的常用方法遙感數(shù)字圖像的計(jì)算機(jī)分類1)、分級(jí)集群法2)、動(dòng)態(tài)聚類法（ISODATA）非監(jiān)督分類主要采用聚類分析方法，聚類是把一組像素按照相似性歸成若干類別----“物以類聚”。目的:屬于同一類別的像素之間的距離盡可能小,而不同類別上的像素間的距離盡可能大。第三十八頁(yè)，共四十四頁(yè)，編輯于2023年，星期四381）非監(jiān)督分類--分級(jí)集群法：

不同地物的輻射特性不同，在直方圖上會(huì)出現(xiàn)很多峰值及其對(duì)應(yīng)的一些灰度值，在圖像上對(duì)應(yīng)的像元分別傾向于聚集在各自不同灰度空間形成的很多點(diǎn)群，這些點(diǎn)群叫做集群。分級(jí)集群法采用“距離”評(píng)價(jià)每個(gè)像元在空間分布的相似程度，把它們的分布分割或者合并成不同的集群。每個(gè)集群的地理意義需要根據(jù)地面調(diào)查或者與已知類型的數(shù)據(jù)比較后方可確定。分級(jí)集群方法的特點(diǎn)：歸并的過(guò)程是分級(jí)進(jìn)行的，在迭代過(guò)程中沒(méi)有調(diào)整類別總數(shù)。如果一個(gè)像元被歸入到某一類后，就排除了它再被歸入到其他分支類別中的可能性，可能導(dǎo)致對(duì)一個(gè)像元的操作次序不同，會(huì)得到不同的分類結(jié)果的缺點(diǎn)。遙感數(shù)字圖像的計(jì)算機(jī)分類第三十九頁(yè)，共四十四頁(yè)，編輯于2023年，星期四39遙感數(shù)字圖像的計(jì)算機(jī)分類2）、非監(jiān)督分類--最常用的方法:

迭代自組織數(shù)據(jù)分析技術(shù)（ISODATA，IteractiveSelf-OrganizingDataAnalysisTechnique）在初始設(shè)定基礎(chǔ)上，在分類過(guò)程中根據(jù)一定原則不斷重新計(jì)算類別總數(shù)、類別中心，使分類結(jié)果逐漸趨于合理，直到滿足一定條件,分類完畢.1.確定最初類別數(shù)和類別中心;2.計(jì)算每個(gè)像元與各初始聚類中心的距離;3.選與其中心距離最近的類別作為這一像元的所屬類別;4.計(jì)算新的類別均值向量;5.比較新的類別