第五章遥感信息提取及地学应用方法2

1、二、二、地物的几何形态：地物的几何形态：n地物的几何形态指地物的形状、相对大小，如房屋长地物的几何形态指地物的形状、相对大小，如房屋长方形，河流条带状等。方形，河流条带状等。三、三、地物的大小：地物的大小：n与比例尺有关，所以物体的形态、大小分析要有比例与比例尺有关，所以物体的形态、大小分析要有比例尺的概念。尺的概念。四、四、阴影：阴影：n包括本影和落影包括本影和落影n本影本影：地物本身未被阳光直接照射到的阴暗部分的影：地物本身未被阳光直接照射到的阴暗部分的影像。像。n落影落影：在地物背光方向上地物投到地面的阴影。：在地物背光方向上地物投到地面的阴影。n本影有助于获得立体感，对地质、地貌解译很

2、本影有助于获得立体感，对地质、地貌解译很有用。有用。n落影的形状和长度可以帮助判别地物立体形状落影的形状和长度可以帮助判别地物立体形状和高度。如水塔和烟囱的落影。和高度。如水塔和烟囱的落影。n但阴影过大会遮盖大片其它地物面影响判读但阴影过大会遮盖大片其它地物面影响判读五、影纹五、影纹：n 地物影像（细）斑块上的的质地、细微结构。地物影像（细）斑块上的的质地、细微结构。六、影纹结构六、影纹结构：n地物影像斑块的影纹的集合形式。地物影像斑块的影纹的集合形式。七、七、影纹图案（组合图案）：影纹图案（组合图案）：n重复出现的细小（相对于图像比例尺而言）地物群体重复出现的细小（相对于图像比例尺而言）地物

3、群体影像所构成的特殊组合花纹图案。影像所构成的特殊组合花纹图案。n其是地物形状、大小、色调、阴影、小水系、植被、其是地物形状、大小、色调、阴影、小水系、植被、微地貌、环境因素的综合显示。微地貌、环境因素的综合显示。n影纹图案可以宏观地反映出大面积出露的某一种地物影纹图案可以宏观地反映出大面积出露的某一种地物（如某一种岩类）。（如某一种岩类）。八、八、其它解译标志：其它解译标志：n与判读对象关系密切的地物和现象，利用相关的专业与判读对象关系密切的地物和现象，利用相关的专业知识和经验进行判读。知识和经验进行判读。n如人类活动标志。如人类活动标志。IR1PA1三、三、 遥感图像的目视解译方法与步骤遥

4、感图像的目视解译方法与步骤一、解译方法一、解译方法解译原则：解译原则：n 先整体，后局部先整体，后局部n 先已知，后未知先已知，后未知n 先易，后难先易，后难n 由宏观到微观由宏观到微观解译方法：解译方法：1 直接判定法直接判定法：对于像片上影像特征比较明显的地物，：对于像片上影像特征比较明显的地物，通过直接标志即可判定地物的性质、识别出地物。通过直接标志即可判定地物的性质、识别出地物。2 对比分析法对比分析法：将待判别影像与已知地物影像或标准图像上的：将待判别影像与已知地物影像或标准图像上的影像进行比较，以判别该地物的性质。影像进行比较，以判别该地物的性质。3 逻辑推理法逻辑推理法：利用各种

5、现象之间的关系，依照逻辑推理进行：利用各种现象之间的关系，依照逻辑推理进行判读。判读。如泉眼线状分布可判定断层的存在。如泉眼线状分布可判定断层的存在。二、解译步骤二、解译步骤（一）、准备工作（一）、准备工作1、资料准备、资料准备1）根据研究对象和精度要求，选择相应比例尺，且最富含研根据研究对象和精度要求，选择相应比例尺，且最富含研究对象信息的图像种类和波段、波段组合作为解译的主要图究对象信息的图像种类和波段、波段组合作为解译的主要图像像。n另外还根据条件，尽量多地收集不同种类、波段、比例尺及另外还根据条件，尽量多地收集不同种类、波段、比例尺及不同时相的图像，以资综合分析之用。不同时相的图像，以

6、资综合分析之用。n还应收集相应地区地形图，相关专题图和文献，作还应收集相应地区地形图，相关专题图和文献，作为判读的参考。地形图比例尺应与图像比例尺相近，为判读的参考。地形图比例尺应与图像比例尺相近，以便对比和转绘。以便对比和转绘。2、工具材料准备、工具材料准备准备所需用的工具，材料如立体镜、放大镜、聚脂薄准备所需用的工具，材料如立体镜、放大镜、聚脂薄膜等。膜等。3、熟悉地理概况、熟悉地理概况阅读研究区有关文献资料，了解基本情况阅读研究区有关文献资料，了解基本情况（二）、室内判读（二）、室内判读n初判：了解全区总貌，结合其它资料的对比，了解地区特征初判：了解全区总貌，结合其它资料的对比，了解地区

7、特征和各种判别要素的分布规律，特别是典型判别标志。和各种判别要素的分布规律，特别是典型判别标志。n建立影像标志建立影像标志 (三三)、野外调查、野外调查n实地研究各典型类型的影像物征实地研究各典型类型的影像物征n验证、修改影像标志验证、修改影像标志（四）室内详细判读（四）室内详细判读n详细判读：按一定次序进行的系统判读，勾绘出要素边界，详细判读：按一定次序进行的系统判读，勾绘出要素边界，对无法判定的要素标以疑问标记，选取野外验证路线。对无法判定的要素标以疑问标记，选取野外验证路线。（五）、野外检查验证（五）、野外检查验证n 野外抽查野外抽查n 对疑点、难点进行实地观察对疑点、难点进行实地观察（

8、四）成果整理（四）成果整理n修改、补充判读内容、成果，编写报告。修改、补充判读内容、成果，编写报告。第二节第二节 图像分类图像分类n一、概述一、概述n二、监督分类二、监督分类n三、非监督分类三、非监督分类n四、上下文分类四、上下文分类n五、空间信息的加入五、空间信息的加入一、概述n图像分类图像分类：将图像中每个像元根据其光谱信息、空间：将图像中每个像元根据其光谱信息、空间结构信息和（或）其它专题信息，按照一定的规则或结构信息和（或）其它专题信息，按照一定的规则或算法划分为不同的类别算法划分为不同的类别n可在由计算机自动完成可在由计算机自动完成n最常用于分类的信息是光谱信息，即各波段的亮度值。最

9、常用于分类的信息是光谱信息，即各波段的亮度值。另外还可以将空间结构信息，如图像纹理密度、方向另外还可以将空间结构信息，如图像纹理密度、方向等，及其它专题信息用于分类。这些信息的加入常可等，及其它专题信息用于分类。这些信息的加入常可使分类的精度得到显著提高使分类的精度得到显著提高n除考虑目标象元的特征外，还可以考虑周围象元的特除考虑目标象元的特征外，还可以考虑周围象元的特征征二、监督分类（supervised)n原理n方法下步骤n监督分类的优缺点原理n建立各类型已知样本区（训练区），根建立各类型已知样本区（训练区），根据训练区确定各类的统计特征，已此为据训练区确定各类的统计特征，已此为基础，建立

10、分类的判别函数，对每个象基础，建立分类的判别函数，对每个象元进行类别划分。元进行类别划分。步骤n训练区的选取训练区的选取n类别统计特征的计算类别统计特征的计算n判别函数的确定判别函数的确定n对每个象元进行判别计算对每个象元进行判别计算1 训练区的选取训练区的选取n对每一分类类型，在图像上圈定若干个已知区，对每一分类类型，在图像上圈定若干个已知区，作为训练区作为训练区n要点：要点：n训练区要典型，有代表性训练区要典型，有代表性n训练区最好能均匀分布于全区训练区最好能均匀分布于全区2 类别统计特征的计算类别统计特征的计算n计算各类别训练区中各分类参数（波段）的统计特征计算各类别训练区中各分类参数（

11、波段）的统计特征值：均值、标准差、最大值、最小值、方差、协方差值：均值、标准差、最大值、最小值、方差、协方差矩阵、相关矩阵或重心等。矩阵、相关矩阵或重心等。训练样本分类能力的考查训练样本分类能力的考查n地物亮度分布一般属于正态分布或对数正态分布地物亮度分布一般属于正态分布或对数正态分布n某类单波段亮度直方图应为单峰，方差越小分类效果越好。某类单波段亮度直方图应为单峰，方差越小分类效果越好。如出现多峰说明有多个总体，视情况需修改训练区如出现多峰说明有多个总体，视情况需修改训练区n不同类在单波段直方图上匀值相距越大，方差越小，分类不同类在单波段直方图上匀值相距越大，方差越小，分类效果越好。两类直方

12、图有重叠，则重叠区样本难以区分效果越好。两类直方图有重叠，则重叠区样本难以区分n特征空间二维图中各类样本越集中，距离越远，分类效果特征空间二维图中各类样本越集中，距离越远，分类效果越好越好n错分误差错分误差(commission error)像元被分到一个错误类像元被分到一个错误类别的比例别的比例n漏分误差漏分误差(omission error)像元没被到相应类别的比像元没被到相应类别的比例例3 判别函数的确定 常用三种方法：常用三种方法：n平行算法平行算法n最小距离法最小距离法n最大似然法最大似然法平行算法n又称盒式决策规则又称盒式决策规则n根据各类训练样本的亮度值范围根据各类训练样本的亮度

13、值范围(由亮度最大值和最小值由亮度最大值和最小值确定）确定） 形成的多维数据空间区域来进行判别，将落入该形成的多维数据空间区域来进行判别，将落入该区域内的像元划为该类。也可用均值和标准差来确定区域内的像元划为该类。也可用均值和标准差来确定 ijiijXkjmaxmin则如： ijijiSTmXkj*或kXCLASSi )(ijmin第i波段j类的最小亮度值；ijmax第i波段j类的最大亮度值；iX第i波段象元值；ijS第i波段j类的标准差；T人为规定阈值n特点：特点： 快速快速 边界附近的判别准不全理边界附近的判别准不全理 但当类别间亮度区域有重叠时无法判别但当类别间亮度区域有重叠时无法判别最

14、小距离法n以均值向量或重心作为每类的中心位置，根据像元到各以均值向量或重心作为每类的中心位置，根据像元到各类别重心的距离来进行判断，将像元划到距离最小的类类别重心的距离来进行判断，将像元划到距离最小的类别别n无法考虑类别方差的来同，重叠区的划分误差较大无法考虑类别方差的来同，重叠区的划分误差较大NMXdNiijij 12)( NiijijMXd12)(或ijM为均值向量aa2最大似然法（最大似然法（Bayes) )()(exp)(/iiTiiniMXSMXSp12122121 监督分类的优缺点n可根据应用和区域，有选择地决定分类类别可根据应用和区域，有选择地决定分类类别n可控制训练样本的选择可

15、控制训练样本的选择n通常具有较高的精度通常具有较高的精度n可根据训练样本分析分类精度可根据训练样本分析分类精度n参入了一定的人为因素参入了一定的人为因素n所选类别可能不能履盖所有类型，造成一些象元找不所选类别可能不能履盖所有类型，造成一些象元找不到归属到归属n不能识别训练者不知道的类别不能识别训练者不知道的类别n花较多的人力和时间花较多的人力和时间三、非监督分类n也称集（点）群分析或聚类分析，是按光谱（亮度值）向也称集（点）群分析或聚类分析，是按光谱（亮度值）向量在特征空间聚集的情况来划分点群或类别量在特征空间聚集的情况来划分点群或类别n一个点群或类别在一个点群或类别在N维的特征空间里在某个众

16、数的周围，该维的特征空间里在某个众数的周围，该区域数据点相对密集，亮度向量之间具有更大的相似性区域数据点相对密集，亮度向量之间具有更大的相似性n相似性量度的基本特征：相似性量度的基本特征：n1）亮度向量之的距离）亮度向量之的距离n2）特征空间中不同区域的点密度）特征空间中不同区域的点密度n非监督分类由程序来划分出符合实际的点群或类别，需通非监督分类由程序来划分出符合实际的点群或类别，需通过叠代运算来完成。过叠代运算来完成。非监督分类步骤n1 选定起始集群中心 根据直方图人为选取 程序产生：分裂方法 SXSX 21、S 分别为全图的均值向量和标准差向量n2 计算距离与归类 计算像元到各中心的距离，用最小距离的原则反像元归入不同的类别NMXdNiijij 12)(n3 检查和修改集群中心：根据规定的参数（阈值）来检查前一次循环中归类的结果，决定再分裂，合并或取消某些类别n分裂：标准差超过参数“最大标准差”，已有类别数小于预期类别数，或某一类的像元数大于参数“最大像元数，则该类就要分裂为两个新的集群中心（类别）：),.,.,(niiS 1),.,.,(niiS 1及 NiyixiiisSSYXD12)(iiYX ,为两个集群的中心；yixiSS ,为两个集群的标准差开始开始输入用户参数输入用户参数选定初始集群选定初