遥感技术基础课件

遥感技术基础2022/12/221遥感技术基础2022/12/1911课程内容一、判读标志二、判读方法三、遥感图像自动分类第八讲遥感图像判读2022/12/222课程内容第八讲遥感图像判读2022/12/1922一、判读标志直接标志形状:

建筑楼房、

树冠、

街道第八讲遥感图像判读2022/12/223一、判读标志第八讲遥感图像判读2022/12/1933大小:不少特定的地物目标不仅具有一定的形状，而且具有一定的大小。形状与大小相结合成为鉴别这些地物目标的可靠依据。第八讲遥感图像判读2022/12/224大小:不少特定的地物目标不仅具有一定的形状，而且具有一定的4阴影缺点：遮挡了信息优点：高度信息、

立体感第八讲遥感图像判读2022/12/225阴影第八讲遥感图像判读2022/12/1955色调第八讲遥感图像判读2022/12/226色调第八讲遥感图像判读2022/12/1966间接标志纹理第八讲遥感图像判读沥青混泥土草地岩石树皮编织品食物金属沙滩瓷砖水面2022/12/227间接标志第八讲遥感图像判读沥青7空间位置第八讲遥感图像判读2022/12/22空间位置第八讲遥感图像判读2022/12/198空间位置第八讲遥感图像判读2022/12/229空间位置第八讲遥感图像判读2022/12/1999二、遥感图像目视判读原则从应用目的出发，总体观察，全面分析图象特征。坚持先易后难，由粗入细，由整体至局部的解译程序；应充分利用各种解译标志，包括直接标志和间接标志，相互补充，彼此验证；随着遥感技术的发展，应尽可能利用多种遥感数据（不同数据源、多时相遥感图象）进行的综合分析。第八讲遥感图像判读2022/12/2210二、遥感图像目视判读第八讲遥感图像判读2022/12/1910方法进行遥感图象目视解译时必须充分运用地物目标时空分布的规律性，如气候、植被、土壤等景观要素的纬度地带性、经度相关性、高度垂直带性、物候季节性等；要密切注意各类地物目标之间的相关规律，有些规律现象表现得比较稳定明确，如水平地带性、垂直带性等，有些现象则具有随机性、不确定性和模糊（或过渡）性，例如地震（带）的分布，土壤分布等受很多因素的影响；只要坚持以遥感成像机理与专业知识、规律相结合的指导思想，通过实践，不断探索和总结，就能归纳出具有相对普遍性与稳定性的解译标志，并举一反三灵活应用这些解译标志进行正确的解译。第八讲遥感图像判读2022/12/2211方法第八讲遥感图像判读2022/12/191111流程准备阶段收集资料订购图象必要时野外粗查草拟解译标志室内解译阶段找出地物目标勾绘分布界线判断类别属性测量长度大小。第八讲遥感图像判读2022/12/2212流程第八讲遥感图像判读2022/12/191212野外阶段实地验证补充调查总结阶段整理资料绘制图件编撰报告影响目视解译效果的因素解译者专业知识水平解译者经验积累解译者对工作地区的了解可供参考资料的多少第八讲遥感图像判读2022/12/2213野外阶段第八讲遥感图像判读2022/12/1913132022/12/2214人机交互式目视解译技术框图第八讲遥感图像判读数字图像增强处理光学图像监视屏幕,

人机对话初步解译

了解概况

野外检查

修改计划建立解译标志进行专题业信息解译结论2022/12/1914人机交互式目视解译技术框图第八讲遥142022/12/2215三、遥感图像自动分类计算机自动分类的基本步骤对研究区相关基本情况的分析研究确定分类方案确定训练样本(监督分类)图像预处理：纠正、特征选择、增强等确定分类算法、分类分类精度检验、评估改进分类方法输出分类结果第八讲遥感图像判读2022/12/1915三、遥感图像自动分类第八讲遥感图像152022/12/2216提高分类精度的途径正确选取特征参数：有效地进行特征选择与提取优化训练区：准确、有代表性改进算法，充分利用影像几何信息混合像元的分解多源数据综合分析与应用提高智能化水平：建立专家系统（知识化、智能化、自动化）第八讲遥感图像判读2022/12/1916提高分类精度的途径第八讲遥感图像判162022/12/2217分类精度检验分类精度的评价通常是用分类图与标准数据（图件或地面实测值）进行比较，以正确的百分比来表示精度。采样方法简单随机采样分层采样聚点或集群采样误差矩阵与精度:指通过

检验区，建立分类混淆矩

阵。第八讲遥感图像判读2022/12/1917分类精度检验第八讲遥感图像判读172022/12/22分类混淆矩阵用户精度：从分类结果中任取一个随机样本，其所具有的类型与地面实际类型相同的条件概率。（错分误差）；生产者精度（制图精度）：相对于地面获得的实际资料中的任意一个随机样本，分类图上同一地点的分类结果与其相一致的条件概率。（漏分误差）总精度。第八讲遥感图像判读2022/12/19分类混淆矩阵第八讲遥感图像判读182022/12/2219KappaCoefficientTheKappacoefficientexpressestheproportionatereductioninerrorgeneratedbyaclassificationprocesscomparedwiththeerrorofacompletelyrandomclassification.设混淆矩阵中第i

行所有列之和为第j

列所有行之和为Kappa系数表示为第八讲遥感图像判读2022/12/1919KappaCoefficient第192022/12/2220第八讲遥感图像判读2022/12/1920第八讲遥感图像判读20遥感技术基础2022/12/2221遥感技术基础2022/12/19121课程内容一、判读标志二、判读方法三、遥感图像自动分类第八讲遥感图像判读2022/12/2222课程内容第八讲遥感图像判读2022/12/19222一、判读标志直接标志形状:

建筑楼房、

树冠、

街道第八讲遥感图像判读2022/12/2223一、判读标志第八讲遥感图像判读2022/12/19323大小:不少特定的地物目标不仅具有一定的形状，而且具有一定的大小。形状与大小相结合成为鉴别这些地物目标的可靠依据。第八讲遥感图像判读2022/12/2224大小:不少特定的地物目标不仅具有一定的形状，而且具有一定的24阴影缺点：遮挡了信息优点：高度信息、

立体感第八讲遥感图像判读2022/12/2225阴影第八讲遥感图像判读2022/12/19525色调第八讲遥感图像判读2022/12/2226色调第八讲遥感图像判读2022/12/19626间接标志纹理第八讲遥感图像判读沥青混泥土草地岩石树皮编织品食物金属沙滩瓷砖水面2022/12/2227间接标志第八讲遥感图像判读沥青27空间位置第八讲遥感图像判读2022/12/22空间位置第八讲遥感图像判读2022/12/1928空间位置第八讲遥感图像判读2022/12/2229空间位置第八讲遥感图像判读2022/12/19929二、遥感图像目视判读原则从应用目的出发，总体观察，全面分析图象特征。坚持先易后难，由粗入细，由整体至局部的解译程序；应充分利用各种解译标志，包括直接标志和间接标志，相互补充，彼此验证；随着遥感技术的发展，应尽可能利用多种遥感数据（不同数据源、多时相遥感图象）进行的综合分析。第八讲遥感图像判读2022/12/2230二、遥感图像目视判读第八讲遥感图像判读2022/12/1930方法进行遥感图象目视解译时必须充分运用地物目标时空分布的规律性，如气候、植被、土壤等景观要素的纬度地带性、经度相关性、高度垂直带性、物候季节性等；要密切注意各类地物目标之间的相关规律，有些规律现象表现得比较稳定明确，如水平地带性、垂直带性等，有些现象则具有随机性、不确定性和模糊（或过渡）性，例如地震（带）的分布，土壤分布等受很多因素的影响；只要坚持以遥感成像机理与专业知识、规律相结合的指导思想，通过实践，不断探索和总结，就能归纳出具有相对普遍性与稳定性的解译标志，并举一反三灵活应用这些解译标志进行正确的解译。第八讲遥感图像判读2022/12/2231方法第八讲遥感图像判读2022/12/191131流程准备阶段收集资料订购图象必要时野外粗查草拟解译标志室内解译阶段找出地物目标勾绘分布界线判断类别属性测量长度大小。第八讲遥感图像判读2022/12/2232流程第八讲遥感图像判读2022/12/191232野外阶段实地验证补充调查总结阶段整理资料绘制图件编撰报告影响目视解译效果的因素解译者专业知识水平解译者经验积累解译者对工作地区的了解可供参考资料的多少第八讲遥感图像判读2022/12/2233野外阶段第八讲遥感图像判读2022/12/1913332022/12/2234人机交互式目视解译技术框图第八讲遥感图像判读数字图像增强处理光学图像监视屏幕,

人机对话初步解译

了解概况

野外检查

修改计划建立解译标志进行专题业信息解译结论2022/12/1914人机交互式目视解译技术框图第八讲遥342022/12/2235三、遥感图像自动分类计算机自动分类的基本步骤对研究区相关基本情况的分析研究确定分类方案确定训练样本(监督分类)图像预处理：纠正、特征选择、增强等确定分类算法、分类分类精度检验、评估改进分类方法输出分类结果第八讲遥感图像判读2022/12/1915三、遥感图像自动分类第八讲遥感图像352022/12/2236提高分类精度的途径正确选取特征参数：有效地进行特征选择与提取优化训练区：准确、有代表性改进算法，充分利用影像几何信息混合像元的分解多源数据综合分析与应用提高智能化水平：建立专家系统（知识化、智能化、自动化）第八讲遥感图像判读2022/12/1916提高分类精度的途径第八讲遥感图像判362022/12/2237分类精度检验分类精度的评价通常是用分类图与标准数据（图件或地面实测值）进行比较，以正确的百分比来表示精度。采样方法简单随机采样分层采样聚点或集群采样误差矩阵与精度:指通过

检验区，建立分类混淆矩

阵。第八讲遥感图像判读2022/12/1917分类精度检验第八讲遥感图像判读372022/12/22分类混淆矩阵用户精度：从分类结果中任取一个随机样本，其所具有的类型与地面实际类型相同的条件概率。（错分误差）；生产者精度（制图精度）：相对于地面获得的实际资料中的任意一个随机样本，分类图上同一地点的分类结果与其相一致的条件概率。（漏分误差）总精度。第八讲遥感图像判读2022/12/19分类混淆矩阵第八讲遥感图像判读382022/12/2239KappaCoefficientTheKappacoefficientexpresses