第9章遥感图像分类.ppt

《第9章遥感图像分类.ppt》由会员分享，可在线阅读，更多相关《第9章遥感图像分类.ppt（25页珍藏版）》请在课桌文档上搜索。

1、第九章 遥感图像分类,本章教学目的及要求：了解遥感图像的计算机分类基本原理、遥感图像的计算机分类一般过程；掌握非监督分类、监督分类。本章教学重点及难点：如何应用非监督、监督分类对遥感数字图像进行分类处理，分类结果的Kappa系数评价方法。,本章提要,9.1 概述9.2 相似性度量9.3 工作流程9.4 监督分类9.5 非监督分类9.6 专家系统分类9.7 分类精度分析9.8 分类后处理,9.1.1 基本原理同类地物在相同的条件下(光照、地形等)应该具有相同或相似的光谱信息和空间信息特征。不同类的地物之间具有差异根据这种差异，将图像中的所有像素按其性质分为若干个类别(Class)的过程，称为图像

2、的分类。,9.1 概述,9.1.2 分类方法根据是否需要分类人员事先提供已知类别及其训练样本，可将遥感图像分类方法划分为监督分类(Supervised Classification)和非监督分类(Unsupervised Classification)。根据一个像素被分到一个类还是多个类，可将遥感图像分类方法分为硬分类(hard classification)和软分类(soft classification)。图像上的一个像素只能被分到一个类的分类方法称为硬分类。,9.1 概述,遥感图像计算机分类的依据是遥感图像像素的相似度。常使用距离来衡量相似度。距离是常用的相似性度量的概念。分类是确定像素

3、距离哪个点群中心较近，或落入哪个点群范围可能性大的问题。像素与点群的距离越近，那么，属于该点群的可能性越高。,9.2 相似性度量,9.3 工作流程,自动识别分类,监督分类法,非监督分类法,1.确定工作范围,2.多源图像的几何配准,3.噪声处理,4.辐射校正,5.几何精纠正,6.多图像融合,7,9.4 监督分类,概念：选择具有代表性的典型实验区或训练区，用训练区中已知地面各类地物样本的光谱特性来“训练”计算机，再按一定的统计判别规则对未知地区的像元进行分类处理，进行自动分类的方法。基本过程：首先根据已知的样本类别和类别的先验知识确定判别准则，计算判别函数，然后将未知类别的样本值代入判别函数，依据

4、判别准则对该样本所属的类别进行判定。,9.4 监督分类,训练区的选择：训练区在遥感处理系统中被称为“感兴趣区”。在ENVI系统中，该区域称为ROI，在ERDAS系统中称为AOI。本文使用ROI表示训练区。要有代表性（目标地物中心较大的区域选取）数目要包含足够的信息,最大似然比分类法(Maximum Likelihood)通过求出每个像素对于各类别的归属概率，把该像素分到归属概率最大的类别中去的方法。,9.4 监督分类,原始图像,分类图像,优点：根据应用目的和区域，有选择的决定分类类别，避免出现一些不必要的类别；可以通过检查训练样本来决定训练样本是否被精确分类，从而避免分类中的严重错误；分类速度

5、快。,监督分类的优缺点：,缺点：主观性由于图像中间类别的光谱差异，使训练样本没有很好的代表性；训练样本的获取和评价花费较多的人力时间；只能识别训练中定义的类别。,9.4 监督分类,根据事先指定的某一准则，让计算机自动进行判别归类，无需人为干预，分类后需确定地面类别。在非监督分类中，先确定光谱可分的类别（光谱类）然后定义它们的信息类。,9.5 非监督分类,特点不需要训练样本，先分类分类后再对各类别赋予属性自动化程度高完全按照像元的光谱信息特征进行分类，适用于对分类区不了解的情况,9.5 非监督分类,常用非监督分类算法1、K-均值分类算法（分级集群法）2、ISODATA分类算法（动态聚类法）,9.

6、5 非监督分类,当同类物体聚集分布在一定的空间位置上，他们在同样条件下应具有相同的光谱信息特征，这时其他类别的物体应聚集分布在不同的空间位置上。由于不同地物的辐射特征不同，反映在直方图上会出现很多峰值及其对应的众数灰度值，他们在图像上对应的像元分别倾向于聚集在各自不同的众数附近的灰度空间形成的很多点群，这些点群就叫做集群。一个集群就是一种分类。,（1）K-均值分类算法（分级集群法）,9.5 非监督分类,在初始状态给出图像粗糙的分类，然后基于一定原则在类别间重新组合样本，直到分类比较合理为止。ISODATA（Interative-Orgnizing Data Analysize Techniqu

7、e 迭代自组织数据分析技术）方法不仅可以通过调整样本所属类别完成聚类，而且可以自动的进行类别的合并与分裂，从而得到类别比较合理的聚类结果。,（2）ISODATA分类算法（动态聚类法）,9.5 非监督分类,4-3-2原始图像,分类结果(10类),最终结果,结果合并(5类),9.5 非监督分类,根本区别在于是否利用训练场地来获取先验的类别知识。监督分类的关键是选择训练场地。训练场地要有代表性，样本数目要能够满足分类要求。此为监督分类的不足之处。非监督分类不需要更多的先验知识，据地物的光谱统计特性进行分类，分类方法简单。当两地物类型对应的光谱特征差异很小时，分类效果不如监督分类效果好。,3、监督分类

8、与非监督分类方法比较,9.5 非监督分类,遥感图像解译专家系统是模式识别与人工智能技术相结合的产物。,9.6 专家系统分类,遥感图像解译专家系统的组成：图像处理与特征提取子系统遥感图像解译知识获取系统狭义的遥感图像解译专家系统,9.7.1 碎斑处理指去掉分类图中过于孤立的那些类的像素，或把它们归并到包围相邻的较连续分布的那些类。基本思想大体上是给每个类规定一个应保留的最小连片像素数，然后将小于此数的孤立像素合并到与其相邻的或包围它的较大的连片像素类中。,9.7 分类后处理,9.7.2 类别合并非监督分类前不知道实际有多少地类，在策略上总是先分出较多的类，然后对照实地情况或根据己有知识，确定最后

9、需要的类别。分类后处理中的类合并处理，在ENVI中是对类进行合并的一部分，在ERDAS中叫做重编码。其基本思想是将要合并的两个或两个以上类的编码和颜色改为相同的编码和颜色。,9.7 分类后处理,9.7.3 分类结果统计分类结果统计是图像分类报告中必须包含的内容，包括各类在各波段的平均值、标准差、最低值、最高值、协方差矩阵、相关系数矩阵、特征值、各类的像素数和占总像素数的百分比、精度检验等。根据这些统计参数可以绘制各类的光谱曲线，计算相应的植被指数等。,9.7 分类后处理,1.混淆矩阵混淆矩阵(Confusion Matrix)是由n行n列组成的矩阵，用来表示分类结果的精度。这里，n代表类别数。

10、,9.8 分类精度分析,2.Kappa系数Kappa系数是一个测定两幅图之间吻合度或精度的指标。,9.8 分类精度分析,1、多波段遥感数字图像最初分发时，通常采用哪几种数据存贮格式？2、遥感图像分类方法有哪几类？并简述每种方法的分类过程。3、比较监督分类与非监督分类的优缺点。4、什么是专家系统？它由哪几个组成部分？,思考题,比较监督分类与非监督分类的优缺点。根本区别在于是否利用训练场地来获取先验的类别知识。监督分类优点：简单实用，运算量小。缺点：受训练场地个数和训练场典型性的影响较大。受环境影响较大，随机性大。训练场地要有代表性，样本数目要能够满足分类要求。非监督分类优点：事先不需要对研究区了解，减少人为因素影响，减少时间，降低成本。不需要更多的先验知识，据地物的光谱统计特性进行分类。缺点：运算量大。当两地物类型对应的光谱特征差异很小时，分类效果不如监督分类效果好。,思考题,