遥感数字图像计算机解译

1、1第六章第六章 遥感数字图像计算机解译遥感数字图像计算机解译1）目标物的电磁波特性）目标物的电磁波特性2）信息的获取（传感器和遥感平台）信息的获取（传感器和遥感平台）3）信息的接收）信息的接收4）信息的处理）信息的处理5）信息的应用）信息的应用2遥感数字图像的性质与特点遥感数字图像的性质与特点遥感数字图像的计算机分类遥感数字图像的计算机分类3遥感数字图像的性质与特点遥感数字图像的性质与特点遥感数字图像遥感数字图像: 以数字形式表现的遥感影像。以数字形式表现的遥感影像。4遥感数字图像的性质与特点遥感数字图像的性质与特点遥感数字图像遥感数字图像:基本单位为像素（像元），是成像过程的采样点，也是计基

2、本单位为像素（像元），是成像过程的采样点，也是计算机图像处理的最小单元。算机图像处理的最小单元。 空间特征属性特征正像素正像素混合像素混合像素5遥感数字图像的性质与特点遥感数字图像的性质与特点遥感数字图像的特点1）便于计算机处理与分析2）图像信息损失低3）抽象性强6遥感数字图像的性质与特点遥感数字图像的性质与特点遥感数字图像的类型1）二值数字图像2）单波段数字图像3）多波段数字图像 7遥感数字图像的性质与特点遥感数字图像的性质与特点遥感数字图像的存贮1）BSQ（Band sequential）2）BIP （Band interleaved by pixel ）3）BIL（Band interl

3、eaved by line） 8遥感数字图像的性质与特点遥感数字图像的性质与特点光学影像遥感数字图像的转化1）空间采样：确定采样间距。对应扫描仪的光学分辨率，如300dpi2）属性量化：8位，24位 9遥感数字图像的计算机分类遥感数字图像的计算机分类 计算机分类计算机分类：是通过模式识别理论，利用计算机将遥感图象遥感图象自动分成若干地物类别地物类别的方法。 如土地覆盖/土地利用分类、森林类型分类、植被 类型分类、岩性分类、 数据数据-信息信息 （遥感数据（遥感数据-地物信息）地物信息）遥感数据包括：1、原始光谱数据；2、光谱变换后数据；3、非遥感数据10遥感数字图像的计算机分类遥感数字图像的计

4、算机分类模式模式（pattern）: 在多波段图象中，每个象元都具有一组对应 取值，称为象元模式特征特征（feature）：在多波段图象中，每个波段都可看作一个变量，称为特征变量。特征变量构成特征空间。波段：光谱波段 其它派生波段（纹理、上下文关系、波段比等） 辅助数据(ancillary data) (非遥感数据，如DEM、 土壤类型)特征提取特征提取(feature extraction)：通过变换找出最能反映地物类别差异的特征变量用于分类的过程11遥感数字图像的计算机分类遥感数字图像的计算机分类 基本原理：基本原理： 不同的地物具有不同的光谱特征，同类地物具有相同或相似的光谱特征 图象分

5、类：基于数字图象中反映的同类地物的光谱相似性和异类地物的光谱差异性。依据是遥感图像像素的相似度。距离相关系数12常用的距离和有关统计量欧氏距离欧氏距离:N)xx(dN1k2jkikijN, 波段数; dij第个i像元与第j个像元在N维空间中的距离;xik为第个k波段上第i个像元的灰度值;绝对距离绝对距离:N1kjkikij|xx|dq/1N1kqjkikij|xx|d明斯基距离明斯基距离: 欧氏距离和绝对距离可统一表示为:13常用的距离和有关统计量马氏距离马氏距离( (Mahalanobis):2/1ji1Tjiij)xx()xx(d相似系数相似系数:相关系数相关系数:N1k2jkN1k2ik

6、N1kjkikijxxxxcoscn1k2jjkn1k2iikn1kjikij)xx()xx()xx(其中, 为两个矢量间的夹角14遥感数字图像的计算机分类遥感数字图像的计算机分类遥感数字图像的分类方法分类执行方式：监督分类、非监督分类分类模型或分类器：统计分类、模糊分类、邻域分类、神经网络分类等。15分类方法：分类方法：监督分类（supervised classification）：通过选择代表各类别的已知样本（训练区）的象元光谱特征，事先取得个类别的参数，确定判别函数，从而进行分类。在监督分类中，先定义信息类，然后检验它们的光谱可分性遥感数字图像的计算机分类遥感数字图像的计算机分类16非监

7、督分类(unsupervised classification)：根据事先指定的某一准则，而进行计算机自动判别归类，无须人为干预，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，然后定义它们的信息类遥感数字图像的计算机分类遥感数字图像的计算机分类174-3-2假彩色合成图像非监督分类(聚类)结果: 15个光谱类非监督分类非监督分类遥感数字图像的计算机分类遥感数字图像的计算机分类18 非监督分类非监督分类1. 4-3-2假彩色合成图象(香港九龙); 2. 聚类结果(10类)遥感数字图像的计算机分类遥感数字图像的计算机分类19 非监督分类非监督分类3. 聚类结果合并(5类); 4. 最

8、终结果 (类别颜色改变)遥感数字图像的计算机分类遥感数字图像的计算机分类20训练区：已知覆盖类型的代表样区用于描述主要特征类型的光谱属性其精度直接影响分类结果检验区：用于评价分类精度的代表样区监督分类监督分类遥感数字图像的计算机分类遥感数字图像的计算机分类21训练区的选择遥感数字图像的计算机分类遥感数字图像的计算机分类22分类结果23分类过程 分类预处理：大气校正、几何校正与配准 特征选择(提取) 分类（监督分类训练区的选择） 分类后处理，包括精度评价 专题图制作遥感数字图像的计算机分类遥感数字图像的计算机分类24原始图象25 分类图象26最终结果：专题制图27图像分类实质图像分类实质图象分类

9、过程的总目标是，将图象中所有的像元自动地进行土地覆盖类型或土地覆盖专题的分类。遥感数字图像的计算机分类遥感数字图像的计算机分类28问题（光谱分类）： 同物异谱：同类地物具有不同的光谱特征 同谱异物：不同的地物可能具有相似的光谱特征。如：同一作物，生长状态不同，光谱特征有差异；不同的植被类型可能有相似的光谱特征遥感数字图像的计算机分类遥感数字图像的计算机分类29长满藻类并含有不同浓度悬浮物的水体水体（0 - 500 mg/l）的光谱曲线清水和长满藻类的水体水体的实测光谱曲线叶绿素a在 400 与500 nm间和675 nm处的强烈吸收水体光谱特征的变化：水体光谱特征的变化：同物异谱同物异谱30问题：问题：光谱类和信息类不对应 光谱类光谱类（spectral class）：基于光谱特征形成的类别 如房屋