数字遥感影像处理导论0803

IntroductoryDigitalImageProcessingReporter：GuoPingDate：2015-8-32目录第9章遥感专题信息提取：模式识别…第12章数字变化检测3第9章遥感专题信息提取：模式识别Theninthchapterintroducessomeofthecommonfundamentalstatisticalpatternrecognitiontechniquesusedtoextractlandcoverinfofrommultispectralremotesensordataincludingsupervisedandunsupervisedclassificationusingparametricandnonparametrictechniques.概述Classificationsaredividedintoparametricandnonparametricmothods.Supervisedclassificationandunsupervisedclassificationalgorithmstypicallyusehardclassificationlogictoproduceaclassificationmap.

对美国早期的各个分类系统了解和认识，coward湿地分类系统、美国国家植被分类系统（NVCS）、USGS的基于遥感数据的土地利用/地面覆盖分类系统等。

分类方案应该包含模糊定义，因为它们包含的专题信息本来就是模糊的（wang，1990a）期望分类系统的详细程度决定了所使用遥感数据的空间分辨率，当然，遥感系统中的光谱分辨率也是需要考虑的一个重要方面。自己小结土地利用覆盖分类分级与影像的空间分辨率是呈现对应的函数关系式的

训练样本的选取，如果获取环境相对一致，这些训练样本数据的选取才会是有价值的，也就是这样选取样本时，对环境的要求也很严格。

可以采用地理分层的处理方法。在地理分层的基础上选取样本，对每个分层进行单独分类，分类后再把各个分层结果进行合并，合并结果并不影响分类结果，最后得到最终分类图。关于训练样本（这是一个很好的分类方法）

训练样本的选取：理想情况下，在野外直接用GPS测量训练样本的周界和中心点坐标，把测量结果在影响上输入，用来选取对应的训练样本。

手工选取多边形训练数据有时会使训练样本类直方图中出现多个峰值。这表明在所选的训练样本区中至少有两种地面覆盖类型，这种情况不利于区分各个不同的地面覆盖类型。

因此实际操作中最好舍弃存在多峰的训练数据，而对特定感兴趣区域重新选取训练数据，直到每类直方图都是单峰为止。11用选取的训练样本试了试，在统计的直方图中，出现的多个峰值的现象。

连续或邻近像元之间存在正的空间自相关（gong和howarth，1992）。选样本时在区域内按照每第n个像元或其他采样准则采集训练样本数据，目的是获取没有空间自相关的训练数据。

选择影像分类的最佳波段：特征选取（统计分析和图形分析）。

选择合适的分类算法特征选取14第12章数字变化检测Thischapterreviewshowchangeinformationisextractedfromdigitalremotelysenseddata.Itsummarizestheremotesensorsystemandenvironmentalparametersthatmustbecondideredwhenchangedetectiontakesplace.Severalofthemostwidelyusedchangedetectionalgorithmsareintroducedanddemonstrated.

必须仔细确定变化监测的最佳时段。

逐像元（逐个像元比对）或面向对象（图斑或图块进行比对）的变化监测。

如果不理解各种参数对变化检测处理的影响，就得不到准确的结果。以下分辨率保持一致：时间（每年的同一时间、一天中的相同时刻）、空间（瞬时视场）（和观测角）、光谱和辐射。变化检测的环境因素：1、大气条件：

避免云层、湿度的影响，即便是一层很薄的阴霾也会改变卫星影像中的光谱信号。云量的上限是20%，通常认为大于该上限是不可接受的，要对有云或云阴影遮盖地区及其替补数据进行可用性评价，做出正确判断。

必须消除影像中大气衰减的影响，可用基于辐射传输的大气校正算法，对遥感影像进行辐射校正（Kim和elman，1990；song等2001）。

对于山区，应消除地形影响（ci