計算機信息提取第1頁/共54頁

違規(guī)建筑的防治第2頁/共54頁第3頁/共54頁

第4頁/共54頁第5頁/共54頁一、分類原理與基本過程第6頁/共54頁第7頁/共54頁第一節(jié)計算機分類基本原理分類的定義分類的基本原理分類的一般步驟第8頁/共54頁1.1分類的定義

遙感圖像分類以遙感數(shù)字圖像為研究對象，在計算機系統(tǒng)支持下，綜合運用地學(xué)分析、遙感圖像處理、地理信息系統(tǒng)、模式識別與人工智能技術(shù)，實現(xiàn)專題信息的智能化獲取。其基本目標(biāo)是將人工目視解譯遙感圖像發(fā)展為計算機支持下的遙感圖像理解。第9頁/共54頁1.2分類的意義由于利用遙感圖像可以客觀、真實和快速地獲取地球表層信息，這些現(xiàn)勢性很強的遙感數(shù)據(jù)在自然資源調(diào)查與評價、環(huán)境監(jiān)測、自然災(zāi)害評估與軍事偵察上具有廣泛應(yīng)用前景。因此，利用計算機進行遙感圖像智能化解譯，快速獲取地表不同專題信息，并利用這些專題信息迅速地更新地理數(shù)據(jù)庫，這是實現(xiàn)遙感圖像自動理解的基礎(chǔ)研究之一，因此具有重要的理論意義和應(yīng)用前景。第10頁/共54頁2、分類原理最小距離分類法-示例第11頁/共54頁2、分類原理遙感圖像計算機分類的依據(jù)是遙感圖像像素的相似度。常使用距離和相關(guān)系數(shù)來衡量相似度。采用距離衡量相似度時，距離越小相似度越大。采用相關(guān)系數(shù)衡量相似度時，相關(guān)程度越大，相似度越大。第12頁/共54頁2、分類原理最小距離分類法-示例特征空間水的點群中心水的特征均值第13頁/共54頁2、分類原理1）找像元的分布特征（如點群中心、位置、規(guī)律），并且確定點群的界限。2）點群中心是這一類地物類別像元特征的均值向量。3）點群的范圍這一類地物類別像元特征的標(biāo)準(zhǔn)差向量（協(xié)方差）。它反映了點的離散程度。4）點群的邊界是分類過程中決定像元歸屬的“準(zhǔn)則”，稱為判別函數(shù)。第14頁/共54頁2、分類原理遙感圖像分類就是利用計算機通過對遙感圖像中各類地物的光譜信息和空間信息進行分析，選擇特征，并用一定的手段將特征空間劃分為互不重疊的子空間，然后將圖像中的各個像元劃歸到各個子空間去。

特征—能夠反映地物光譜信息和空間信息并可用于圖像分類處理的變量第15頁/共54頁關(guān)鍵問題選擇適當(dāng)?shù)姆诸愐?guī)則，通過分類器把圖像數(shù)據(jù)劃分為盡可能符合實際情況的不同類別。確定判別函數(shù)和相應(yīng)的判別準(zhǔn)則。第16頁/共54頁3、分類基本過程數(shù)據(jù)準(zhǔn)備。根據(jù)圖像分類目的選取特定區(qū)域的遙感數(shù)字圖像，需考慮圖像的空間分辨率、光譜分辨率、成像時間、圖像質(zhì)量等。根據(jù)研究區(qū)域，收集與分析地面參考信息與有關(guān)數(shù)據(jù)。數(shù)據(jù)預(yù)處理輻射校正和幾何校正。波段選擇和圖像變換、增強處理。分類系統(tǒng)方案

制定分類系統(tǒng)，確定分類類別。分類方法的確定與分類處理

根據(jù)分類對象的實際情況選擇合適的分類方法。５精度評價與分類方法的改進６專題圖的制作第17頁/共54頁遙感圖像計算機分類方法監(jiān)督分類法：選擇具有代表性的典型實驗區(qū)或訓(xùn)練區(qū)，用訓(xùn)練區(qū)中已知地面各類地物樣本的光譜特性來“訓(xùn)練”計算機，獲得識別各類地物的判別函數(shù)或模式，并以此對未知地區(qū)的像元進行分類處理，分別歸入到已知的類別中。關(guān)鍵：選擇樣區(qū)、訓(xùn)練樣本、建立判別函數(shù)（可以是一些列規(guī)則，可是某種數(shù)學(xué)函數(shù)）非監(jiān)督分類：是在沒有先驗類別（訓(xùn)練場地）作為樣本的條件下，即事先不知道類別特征，主要根據(jù)像元間相似度的大小進行歸類合并（即相似度的像元歸為一類）的方法。一、分類原理與基本過程第18頁/共54頁監(jiān)督分類法最小距離法特征曲線窗口分類法線性判別分析最大似然判別法神經(jīng)網(wǎng)絡(luò)分類第19頁/共54頁二、圖像分類方法1、監(jiān)督分類

（1）、最小距離分類法

第一步：計算訓(xùn)練樣本的平均值第二步：計算待分類像元與樣本均值的距離Step2–foreachunclassifiedpixel,calculatethedistancetoaverageforeachtrainingarea第20頁/共54頁二、圖像分類方法1、監(jiān)督分類

（1）、最小距離分類法最近鄰域分類法

NearestNeighbour

。DefinesatypicalpixelforeachclassAssignspixelsonthebasisofspectraldistanceCanseparatediverseclassesBoundaryproblemsremainunresolved第21頁/共54頁二、圖像分類方法1、監(jiān)督分類

（２）、特征曲線窗口分類法特征曲線是地物光譜特征曲線參數(shù)構(gòu)成的曲線。以特征曲線為中心取一個條帶，構(gòu)造一個窗口，凡是落在此窗口內(nèi)的地物即被認(rèn)為是一類，反之，則不屬于該類。特征曲線可是實測的，也可是圖像訓(xùn)練樣本分類窗口可是曲線上某一特定的位置，如反射峰、谷、特征參數(shù)的上、下限等第22頁/共54頁二、圖像分類方法1、監(jiān)督分類

（３）、最大似然比分類法(MaximumLikelihood)通過求出每個像素對于各類別的歸屬概率，把該像素分到歸屬概率最大的類別中去的方法。假定訓(xùn)練區(qū)地物的光譜特征和自然界大部分隨機現(xiàn)象一樣，近似服從正態(tài)分布。第23頁/共54頁最大似然法判別函數(shù)第24頁/共54頁二、圖像分類方法1、監(jiān)督分類

（３）、最大似然比分類法(MaximumLikelihood)第25頁/共54頁二、圖像分類方法1、監(jiān)督分類

（３）、最大似然比分類法(MaximumLikelihood)第26頁/共54頁選取樣本像元分類結(jié)果第27頁/共54頁監(jiān)督分類實例TM432第28頁/共54頁監(jiān)督分類的步驟首先找出影像中各種類別具有代表性的像元集合，作為樣本（訓(xùn)練樣區(qū)）；求出每種類別樣本像元集的統(tǒng)計特征，然后選擇特征參數(shù)（如樣本像元的平均值、方差）；根據(jù)特征參數(shù)建立判別函數(shù)；根據(jù)判別函數(shù)對已知類別的樣本像元進行分類，反復(fù)調(diào)整判別函數(shù)；最后用判別函數(shù)對所有未知像元進行判斷，劃分像元的類別歸屬。樣本像元的選取，通常需要人參與；對判別函數(shù)要用樣本進行反復(fù)驗證和訓(xùn)練，就像有人在監(jiān)督一樣第29頁/共54頁第30頁/共54頁第31頁/共54頁第32頁/共54頁第33頁/共54頁第34頁/共54頁第35頁/共54頁非監(jiān)督分類實例二、圖像分類方法第36頁/共54頁二、圖像分類方法2、非監(jiān)督分類

（１）、動態(tài)聚類法在初始狀態(tài)給出圖像粗糙的分類，然后基于一定原則在類別間重新組合樣本，直到分類比較合理為止。第37頁/共54頁非監(jiān)督分類步驟：設(shè)定分類判定方法參數(shù)，分類數(shù)設(shè)定初始分類中心將各個像元歸入設(shè)定的各類中計算各類的新中心值比較前后中心值是否一致：不一致，調(diào)整各類中心及域值，回到步驟３；一致，分類圖象輸出第38頁/共54頁第39頁/共54頁第40頁/共54頁二、圖像分類方法3、監(jiān)督分類與非監(jiān)督分類方法比較根本區(qū)別在于是否利用訓(xùn)練場地來獲取先驗的類別知識。監(jiān)督分類的關(guān)鍵是選擇訓(xùn)練場地。訓(xùn)練場地要有代表性，樣本數(shù)目要能夠滿足分類要求。此為監(jiān)督分類的不足之處。非監(jiān)督分類不需要更多的先驗知識，據(jù)地物的光譜統(tǒng)計特性進行分類。當(dāng)兩地物類型對應(yīng)的光譜特征差異很小時，分類效果不如監(jiān)督分類效果好。第41頁/共54頁三分類精度評價與提高精度評價方法分類中存在的問題分類精度提高方法第42頁/共54頁遙感圖像分類精度評價方法基于面積的評價?；谖恢玫脑u價，誤差矩陣的評價第43頁/共54頁分類誤差矩陣對角線元素便是正確分類，非對角線便是錯誤分類；分類

行總計用戶精度實際農(nóng)田城市湖泊農(nóng)田89439689/96城市３9329893/98湖泊８39510695/106列總計100100100300生產(chǎn)精度89/10093/10095/100總體精度(89+93+95)/300第44頁/共54頁KAPPA系數(shù)的計算Ｎ，總樣本數(shù)r，類別數(shù)Ｘi+為某一類的行總計Ｘ+i為某一類的列總計第45頁/共54頁計算機解譯的問題：–存在錯分、漏分現(xiàn)象–正確率一般只有60~70%–不同的研究區(qū)域，采用不同的方法，不同的參數(shù)–如何選取好的訓(xùn)練區(qū)三、圖像分類中的有關(guān)問題第46頁/共54頁三、圖像分類中的有關(guān)問題

1、未充分利用遙感圖像提供的多種信息

只考慮多光譜特征，沒有利用到地物空間關(guān)系、圖像中提供的形狀和空間位置特征等方面的信息。統(tǒng)計模式識別以像素為識別的基本單元,未能利用圖像中提供的形狀和空間位置特征,其本質(zhì)是地物光譜特征分類.水體的分類.

第47頁/共54頁三、圖像分類中的有關(guān)問題2、提高遙感圖像分類精度受到限制大氣狀況的影響：吸收、散射。下墊面的影響：下墊面的覆蓋類型和起伏狀態(tài)對分類具有一定的影響。其他因素的影響：云朵覆蓋；不同時相的光照條件不同，同一地物的電磁輻射能量不同；地物邊界的多樣性。第48頁/共54頁四、計算機解譯的主要技術(shù)發(fā)展趨勢1、抽取遙感圖像多種特征

對高分辨率衛(wèi)星圖像的自動解譯來說，一般分別對目標(biāo)地物采用地、中、高三個層次進行特征抽取和表達。

低層次的對象是像素，每個像素對應(yīng)的數(shù)值是該地物波譜特征的表征；中層次主要抽取和描述目標(biāo)的形態(tài)、紋理等空間特征；高層次主要抽取和描述識別目標(biāo)與相鄰地物之間的空間關(guān)系。第49頁/共54頁2、逐步完成GIS各種專題數(shù)據(jù)庫的建設(shè)，利用GIS數(shù)據(jù)減少自動解譯中的不確定性

GIS數(shù)據(jù)庫在計算機自動解譯中發(fā)揮以下重要作用：（1）對遙感圖像進行輻射校正，消除或降低地形差異的影響；（2）作為解譯的直接證據(jù)，增加遙感圖像的信息量；（3）作為解譯的輔助證據(jù)，減少自動解譯中的不確定性；（4）作為解譯結(jié)果的檢驗數(shù)據(jù)，降低誤判率。四、計算機解譯的主要技術(shù)發(fā)展趨勢第50頁/共54頁3、建立適用于遙感圖像自動解譯的專家系統(tǒng)，提高自動解譯的靈活性

需要從以下兩方面開展工作：建立解譯知識庫和背景知識庫。解譯知識庫是遙感圖像解譯認(rèn)識和經(jīng)驗經(jīng)形式化后記錄在貯存介質(zhì)上的。背景知識庫是有關(guān)遙感解譯背景知識與經(jīng)驗的集合，以地學(xué)知識為主。根據(jù)遙感圖像解譯的特點來構(gòu)造專家系統(tǒng)。四、計算機解譯的主要技術(shù)發(fā)展趨勢第51頁/共54頁4、模式識別與專家系統(tǒng)相結(jié)合

既可以發(fā)揮圖像解譯專家知識的指導(dǎo)作用，在一定程度上為模式識別提供經(jīng)驗性的知識，又