版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
第六奉送感数字图像的计算机斛译
本章要点
遥感数字图像的性质与特点
♦:♦遥感数字图像的自动分类
♦:♦遥感图像多种特征的抽串
❖遥感图像解译专家系统
长安大学资源学院国土系1
逡感原理
0§,救李图像的性质和特点
遥感数字图像
>遥感数字图像是以数字表示的遥感图像,其最基本
的单元是像素.像素是成像过程的采样点,也是计算
机处理图像的最小单元.像素具有空间特征和属性
特征.
>像素的属性特征采用亮度值来表达.
>正像素;混合像素
长安大学资源学院国土系2
逡感原理
0§1、数字图像的性质和特点
二、遥感数字图像的特点
8便于计算机处理与分析
8图像信息损失少
8抽象性强
长安大学资源学院国土系3
逡感原理
0§1、数字图像的性质和特点
三.遥感数字图像的表示方法
1.遥感数字图像是以二维数组来表示的.
ImagE*eCharacteristics
Bbck&WhitePhotoDigitalImage
长安大学资源学院国土系4
逡感原理
§1、数字图像的性质和特点
三.遥感数字图像的表示方法
2.遥感图像按照波段数量分为:
1.单波段数字图像:
2.多波段数字图像:TM的7个波段数据.
3.全色波段数字图像:SPOT的全色波段.
3.多波段数字图像的三种数据格式
1.BSQ格式(Bandsequential)??
2.BIP格式(Bandinterleavedbypixel)P8
3.BIL格式(Bandinterleavedbyline)P8
长安大学资源学院国土系5
逡感原理
存胫格式
。遥感数字图像必须以一定的格式存贮,才能有
效果地进行分发和利用。遥感技术被应用以来,
遥感数据采用过很多格式,后来
LandsatTechnicalWorkingGroup提出了LTWG
格式,即世界标准格式。从1982年以后包括陆
地卫星、法国SPOT卫星等卫星遥感数据都采用
了世界标准格式,目前世界各地遥感数据主要
采用LTWG格式。
❖LTWG格式有BSQ(Bandsequential)格式和
BIL(BandInterleavedbyLine)格式两种。
长安大学资源学院国土系6
逡感原理
0BSQ格式
❖所谓BSQ格式即按波段记载数据文件,陆地卫
星4.5号CCT的格式就是BSQ格式。在这种格式
的CCT磁带中,每一个文件记载的是某一个波
段的图像数据。如下图所示,其第一波段数据
文件之前都有一个像属性文件,后面又有一个
尾部文件.
长安大学资源学院国土系7
逡感原理
»BIL称式
♦:.BIL格式如图4-9所示,它是一种按照波段顺序
交叉排列的遥感数据格式,BIL格式与BSQ格式
相似。
长安大学资源学院国土系8
遥.感原理
BSQ
(波段及中)
<扫描行I、
行插〃2ttA
—7
个
«
»
)
尾案文件tJMVn
S慢
U
扫检打、
IM
.打弊行2
R
2
用保收鼐交件
.一7
个
记
承
)
黑■文件
行推力/IJ
EOF
头B
日播廿1、
,波
“横打2
段
N
图像敷黑文忖7
:・<个
-C
EOF量
)
尾I■文科
出插力NJ
EOS
长安大学褥源学院国土系9
逡感原理
0§1、数字图像的性质和特点
四航空像片的数字化
♦空间采样:将航空像片具有的连续灰度信息转
化为每行有m个单元,每列有n个单元的像素组
□o
♦属性量化:可得到每个像元的数字模拟量,与
航空像片中对应位置上的灰度相对应。
长安大学资源学院国土系10
逡感原理
§2、遥感图像的计算机分类
From.http://Tr«rw.fes.awiterioo.ca''cn>,geo*376.f20(>Li,(
ImageAnalyuvIinnge.4aa]ysis.btmLfiIm3geProce^ungStep6
长安大学资源学院国土系11
遥感图象分类
■监督分类
■非监督分类
■方法
■过程:包括精度分析
■提高分类精度的方法
2
图象分类
.计算机分类:是通过模式识别理论,利用计算机
将遥感图象自动分成若干地物类别的方法。
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.....
数据一信息(遥感数据---地物信息)
3
AB
图像分类
■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
4
图像分类
分类类别的特征(特征空间)
图象分类过程像元值
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。
图像分类结果
5
图象分类
问题一(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。
例如:
同一类作物,生长状态不同,光谱特征有差异(同物异谱);
不同的植被类型可能有相似的光谱特征(同谱异物)
6
相
你
磔I
温
态
和幽悬
实正)
间矫l
溜度/
的部
m飒g
醉浓
体n篇m
游
0蠹同0变
水0收甄0
的
修
5数不的
5露
的吸泼;•
g
雌
与-泪
统有征谱
类0烈酸0第
制(密异
0糕含磁特
藻强笈
净
4蟆
体窥物
窗并谱
满线的然线寐
在密探光同
旗水
处类啥
长曲a锚曲
睡
微:
却体
m统藻的
和素谱懈
谱n瞬
够皿水化
水光绿嬖满物光的
5墟
黎
7嬷
脸
清测叶回长浮的
6谢
0
0
9
s
sn0
uo0
oti8
ria
a(r)
V
enm
hc0(n
itn0
o7th
wg
rCn
tete
anel
e0v
Wim0a
d6
eneW
dS
ad
Le0
e-d0
an5
ge
lsp
Au
S0
+0
丁04
252
8UPJ3USHcQQsd8UBP0UO:JUQoJad.
Ob
图像分类
问题二:光谱类和信息类不对应
■光谱类(spectralclass):基于光谱特征形成的类别
如房屋的阳面和阴面光谱特征不同,不同的光谱
类
■信息类(informationclass):根据实际需要待分的类
别人为的划分
如城市类由道路、建筑物、水体、绿地等不同地物组
成,不同地物光谱特征不同
传场:烟囱(窑)、取土坑、堆传处、房屋等
8
图象分类
i几个基本概念:
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(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
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(ancillarydata)(非遥感数据,如DEM、土壤类型)
特征提取(featureextraction):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
特征选择(色atureselection):直接从原始波段数据中选择
9
常用的距离和有关统计量
欧氏距离:z(xlk-xjkr
一
N,波段数;。第个i像元与第j个像元在N维空间中的距离;
。为第个k波段上第i个像元的灰度值;
绝对距离:t,
备二》」Xik-XjkI
k=l
明斯基距离:欧氏距离和绝对距离可统一表示为:
N
4=0屈—x#|q]1/q
k=l22
常用的距离和有关统计量
马氏距离(Mahalanobis):
4j=[(X「Xj)TZ7区一乂」)「2
相似系数:2LXikXjk
c尸osO=JN---------
ZxJ—XjJ
k=lk=l
其中,。为两个矢量间的夹角
相关系数:之囱-*。
y——"I____________
Xp_n_
1Z(XLX>Z(Xjk-Xj)2
Vk=lk=l23
逡感原理
0-、分类原理与基本过程
/遥感图像计算机分类的依据是遥感图像像素的相似度。
常使用距离和相关系数来衡量相似度。
>采用距离衡量相似度时,距离越小相似度越大。
>采用相关系数衡量相似度时,相关程度越大,相似
度越大。
,遥感图像计算机分类方法
>监督翁类法: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,获
得识别各类地物的判别函数或模式,并以此对未知地区的像元
进行分类处理,分别归入到已知的类别中。
>非监督翁类:是在没有先验类别(训练场地)作为样本的条件
下,即事先不知道类别特征,主要根据像元间相似度的大小进
行归类合并(即相似度的像元归为一类)的方法。
长安大学资源学院国土系22
逡感原理
0-、分类原理与基本过程
/遥感数字回像计算机分类基本过程
1.根据图像分类目的选取特定区域的遥感数字图像,需考虑图像的空间
分辨率、光谱分辨率、成像时间、图像质量等。
2.根据研究区域,收集与分析地面参考信息与有关数据。
3.根据分类要求和图像数据的特征,选择合适的图像分类方法和算法。
制定分类系统,确定分类类别。
4.找出代表这些类别的统计特征
5.为了测定总体特征,在监督分类中可选择具有代表性的训练场
地进行采样,测定其特征。在非监督分类中,可用聚类等方法
对特征相似的像素进行归类,测定其特征。
6.对遥感图像中各像素进行分类。
7.分类精度检查。
8,对判别分析的结果进行统计检验。
长安大学资源学院国土系23
图象分类
分类方法:
监督分类(supervisedclassification):通过选择代表各类
别的已知样本(训练区)的象元光谱特征,事先取得各类
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
10
图象分类
mE监督分类(unsupervisedclassification):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
11
逡感原理
二、图像分类方法
1、监督分类
(I)•最小嚣离分类法
长安大学资源学院国土系26
邃感原理
0二、图像分类方法
1、监督分类
(I)•最小距离分类法
最近邻域分类法NearestNeighbour。
Definesatypicalpixelforeachclass
♦Assignspixelsonthebasisofspectraldistance
❖Canseparatediverseclasses
Boundaryproblemsremainunresolved
Wbcorn
+++++urban
wate(
BandXDN
长安大学资源学院国土系27
最小距离法
■一种相对简化了的分类方法。前提是假设图象
中各类地物光谱信息呈多元正态分布。
-假设N维空间存在M个类别,某一像元距哪类
距离最小,则判归该类
-通过训练样本事先确定类别数、类别中心,然
后进行分类。分类的精度取决与训练样本的准
确与否
31
最小距离分类
潮-
唠
-
-bb
UPpT
BEu
□concretetsconcrete
之w
一.highbuildingsihighbuildings
目grassslope」grasssiope
附waterwater
/,haresoilsharesn」s
Aforestforest
0TMBand3255TMBand3255
32
非监督分类
■
■
■
■
口4
•
•
」
=
•
二1
•
1•
•
;!1
口•
1
■•
4-3-2假彩色合非监督分类(聚类)结果:
成图像15个光谱类12
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)
非监督分类
3.聚类结果合并(5类);4.最终结果(类别颜色改变)
逡感原理
0二、图像分类方法
1、监督分类
⑴、多级切割分类法
,通过设定在各轴上的一系列分割点,将多维特征空间划
分成分别对应不同分类类别的互不重叠的特征字空间的
分类方法。
,对于一个未知类别的像素来说,它的分类取决于它落入
哪个类别特征字空间中。
长安大学资源学院国土系33
逡感原理
0二、图像分类方法
1、监督分类
门)•特征曲线窗口分类法
/特征曲线是地物光谱特征曲线参数构成的曲线。
/以特征曲线为中心取一个条带,构造一个窗口,凡是落
在此窗口内的地物即被认为是一类,反之,则不属于该
类。
长安大学资源学院国土系34
逡感原理
0二、图像分类方法
1、监督分类
(4),最大假稣比分类法(MaximumLikelihood)
/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。
,假定训练区地物的光谱特征和自然界大部分随机现象一
样,近似服从正态分布。
MaximumLikelihood
>Definesatypicalpixelforeachclass
>Calculatestheprobabilitythateachpixelinthe
imagebelongstothatclass
>Mapsclassesonthebasisofconfidencelevels
>Boundaryproblemsresolved
长安大学资源学院国土系35
最大似然法
■建立在贝叶斯准则基础上分类错误概率最小的一种非线性分
类,是应用比较广泛、比较成熟的一种监督分类方法
.判别函数:
gi(x)=p(wi/x)p(Wj/x):后验概率
根据贝叶斯公式:
gj(x)=p(wj/x)=p(x/Wj)p(w)/p(x)
P(X/W)为在p(X/W)观测到Wj的条件概率,p(w)为四的先验概
率,p(x/W)为变量X与类别无关情况下的出现概率。
假设:训练区光谱特征服从正态分布
计算每个像元属于每一类的概率g。),找出g(x)最大者,将该像元
归为概率最大的这一类
33
类的概率分布计算:
P(X®)=(2兀)"|工严exp[-;x(X-MJ'I(X—MJ]
其中:
P(X/g):X属于g类的概率;
N为参加分类的特征数(波段数);
M1为均值向量,Ej为类别i的协方差矩阵
1%1ni
R是类i的像元数目;j为像元标号;T矩阵的转置34
最大似然分类
255
55
寸
P
匚
银E
m
Aw
l
寸
P
U
E
m
□concrete□concrete
至
一.highbuildings■highbuildings
ggrassslope图grassslope
用water的water
△baresoils介baresoils
ocforestAforest
0TMBand3255TMBand3255
35
逡感原理
二、图像分类方法
1、监督分类
(4),最大假然比分类法(MaximumLikelihood)
小
Key
com
fsest
Z
Q
X
p
u
p
cn
BandXDN
长安大学资源学院国土系39
逡感原理
0二、图像分类方法
1、监督分类
(4),最大假稣比分类法(MaximumLikelihood)
的sand-----1
长安大学资源学院国土系40
遥.感原理
0二、图像分类方法
1、监督分类
(4),最大假然比分类法(MaximumLikelihood)
长安大学褥源学院国土系41
监督分类
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
15
训练区的选择
♦训练阶段的质量决定着分类阶段的成功与否,也
决定着从分类中所获取的信息的价值
♦用于图象分类的训练区的统计结果,一定要充分
反映每种信息类型中光谱类别的所有组成。
♦代表性、完整性
♦分布:多个样区
36
91
s凶熊=A
训练区与
检验区:
相互独立、
不能重叠
37
'V.'
分类结果
17
衡水湖自然保护区土地覆盖/土地利用现状图
最终结果:
专题制图
十:米/小麦
林地(含灌木)
基地
木图采用面安坐标系上要道挤
中央城找:II7庾次级通路
保护区边界
21
逡感原理
Q二、图像分类方法
2、非监督分类
(I)•分级集群法
>确定评价各样本相似程度所采用的指标
>初定分类总数;
>计算样本间的距离,据距离最近的原则判定样本归并到不同类
别;
>归并后的类别作为新类,与剩余的类别重新组合,然后再计算
并改正其距离。
分级集群方法的特点
是分级进行的,可能导致对一个像元的操作次序不同,得到不同
的分类结果。这是该方法的缺点。
长安大学资源学院国土系48
逡感原理
0二、图像分类方法
2、非监督分类
C)•动态聚类法
>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。
长安大学资源学院国土系49
非监督分类:方法
会常用的方法:迭代自组织数据分析技术
(ISODATA,IteractiveSelf-OrganizingDataAnalysisTechnique)
在初始设定基础上,在分类过程中根据一定原则不断重新计算类
别总数、类别中心,使分类结果逐渐趋于合理,直到满足一定条
件,分类完毕.
1.确定最初类别数和类别中心;
2.计算每个像兀多对应的特征矢量与各聚类中心的距离;
3.选与其中心距离最近的类别作为这一矢量(像元)的所属类别;
4.计算新的类别均值向量;
5.比较新的类别均值与原中心位置的变化,形成新的聚类中心;重复2,反
复迭代;
6.如聚类中心不再变化,停止计算.
24
25
聚类过程:类别中心的变化
J__———
ISODATAInitialArbitrary
MeanVectorAssignment
Distributionof
brightnessvalues
inbands3and4
Band3
原始的聚类中心第1次迭代后的类别分布
26
聚类过程:类别中心的变化
ISODATA2ndIteration
Band3
Baud3
第2次迭代后的类别分布第n次迭代后的类别分布
27
逡感原理
Q二、图像分类方法
3,监督分类与非监督翁类方法比较
♦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,样本数目要能婚满
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2024-2025学年云南省昆明市五华区三上数学期末预测试题含解析
- 2024-2025学年咸阳市武功县三上数学期末考试试题含解析
- 范文新学期计划六篇
- 2024-2025学年武汉市汉南区六上数学期末考试试题含解析
- 学期计划集锦六篇资料
- 父母感恩演讲稿模板资料6篇范本
- 经营部门半年工作总结(5篇)
- 端午节粽子大赛标语(170句)
- 电商订单处理系统客户关系维护方案
- 电商行业电商平台运营方案
- 社会工作机构申请书
- 建筑垃圾减排和资源化利用计划于措施
- .肝癌患者的护理
- Pastry路由算法的实现与路由表维护算法的完善的开题报告
- 化工园区反恐应急预案
- 2023学年完整公开课版九年级Unit6Whenwasitinvented(Secition1a-2c)
- 减数分裂模拟实验微课件
- 手术区皮肤消毒
- 如何作好研究生导师?课件
- 商务翻译实务-第13单元 国际商务合同翻译
- 海龟汤专题教育课件
评论
0/150
提交评论