第七章-遥感数字图像计算机解译ppt课件.ppt

《第七章-遥感数字图像计算机解译ppt课件.ppt》由会员分享，可在线阅读，更多相关《第七章-遥感数字图像计算机解译ppt课件.ppt（52页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、1第七章 遥感数字图像的计算机解译第一节 遥感图像的计算机分类第二节 遥感图像专家解译系统第三节第三节 计算机解译的主要技术发展趋势计算机解译的主要技术发展趋势2第一节第一节 遥感图像的计算机分类遥感图像的计算机分类计算机分类遥感图像分类结果图遥感图像计算机解译：就是对遥感图像上的信息进行属性的识别和分类，从而达到识别图像信息所对应的实际地物，提取所的地物信息的目的。遥感图像解译目视解译计算机解译3一、分类原理遥感图像计算机分类的依据是遥感图像像元光谱特征的相似度。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。n

2、非监督分类（ Unsupervised classification ）：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。n非监督分类完全按照像元的光谱特征进行统计分类,常常用于对分类区没有太多了解情况下.n人为干预较少,自动化程度较高.二、分类方法n监督分类法（ Supervised Classification ） ：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

3、中。n监督分类的关键是选择训练场地。训练场地要有代表性，样本数目要能够满足分类要求。n监督分类常常用于对分类区比较了解情况下,要求用户控制.n1)选择可以识别或可以断定其类型的像元建立模板,然后基于该模板使系统自动识别具有相同特征的像元.n2)对分类结果进行评价后再对模板进行修改,多次反复后建立比较正确的模板,在此基础上最终进行分类.7n根本区别在于是否利用训练场地来获取先验的类别知识。n非监督分类不需要更多的先验知识，据地物的光谱统计特性进行分类。当两地物类型对应的光谱特征差异很小时，分类效果不如监督分类效果好。监督分类与非监督分类方法比较8（1）分级集群法 用距离评价单个个体间的相似程度，

4、根据距离最近原则判定并归类到同一类别中的方法。（2）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。1、非监督分类的基本方法非监督分类一般步骤初始分类专题判别分类合并色彩确定分类后处理色彩重定义统计分析.10Main Classification Unsupervised classification提示：实际工作中将分类设为最终分类数的2倍以上。初始分类11确定采用的距离确定采用的距离确定最终的类别数（确定最终的类别数（N）计算个体间的距离计算个体间的距离找出距离最小的类别组找出距离最小的类别组归并距离最小的类别归并距离最小的类别计算归并

5、后新的个体计算归并后新的个体间的距离间的距离归并后的类别数归并后的类别数STOPYN基本过程12初始分类T:收敛阈值.在迭代过程中,上次聚类中类型值未改变的象元所占的百分比。M:最大迭代次数。1314Evaluate classification1) 同时显示germtm.ing和germtm_isodata.ing提示:打开第2幅图时关闭clear display2) 打开属性表调整字段和顺序3）编辑类别颜色4) 对比显示提示：对比Utilityflicker/ Blend/ Swipe区别专题判别Raster attribute editor: Img属性表中对class names 和颜

6、色进行编辑。专题判别16Swipe确定每一类别的专题信息17分类重编码 recode分类合并18分类重编码 recode主要应用于非监督分类，判断每个分类的专题属性，对相同和相近分类通过图像重编码进行合并。分类合并19Postclassification processing细碎图斑处理1） Clump:计算分类图斑的面积，记录相邻区域中最大图斑面积。2）Sieve:对经Clump图像，按照定义数值大小，删除较小的图斑，赋0值。3）Eliminate:对经Clump图像，按照定义数值大小，删除较小的图斑，合并到相邻最大的图斑。分类后处理20MainImage interpreterGIS an

7、alysis Clump提示：该命令输出为中间文件。所需时间较长。 MainImage interpreterGIS analysis Sieve MainImage interpreterGIS analysis Eliminate功能在于简化分类图，类视地图综合。21类别统计分析修改面积单位222、监督分类的基本方法（1）最小距离分类法用特征空间中的距离表示像元数据和分类类别特征的相似程度，根据距离最小（相似度最大）对像元数据进行分类的方法。空间距离的表示：欧氏距离 标准欧氏距离 马赫拉诺皮斯距离23（2）最大似然比分类法(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

8、别中去的方法。（3）多级切割分类法（4）特征曲线窗口分类法监督分类的一般步骤采集训练样本建立模板评价模板初步分类检验分类分类后处理分类特征统计26取决于用户对研究区及类别的了解程度。1）矢量多边形：）矢量多边形：使用矢量图层；自定义AOI多边形；2）标志种子象素：）标志种子象素：利用AOI工具，用十字光标标出一个象元作为种子象素（seed pixel）代表训练样本，其相邻象素根据用户指定参数进行比较，直到没有相邻象元满足要求，这些相似元素通过栅矢转换成为感兴趣区域。训练样本选择：训练样本选择：271）应用）应用AOI绘图工具获取分类模板信息绘图工具获取分类模板信息利用Raster 工具面板多边

9、形工具，在原图像上绘制多边形，在signature editor对话框中将其加载到signature 分类模板中。提示：同一专题类型的多个AOI形成的模板可以合并。定义分类模板定义分类模板1）打开一幅图像，germtm.img2）Classification signature editor应用应用AOI绘图工具获取分类模板信息绘图工具获取分类模板信息2930Region growing properties 进行Neighborhood 属性设置。利用Region grow AOI选择种子点。提示：AOI seed propertiesregion growing Properties约束条

10、件：Area确定最多的像元数； Distance确定包含像元距离种子点像元的最大距离。Spectral euclidean distance,可以接收像元与种子点之间最大波谱欧式距离（两个像元在各个波段数值之差平方和的二次根） 2）应用）应用AOI扩展绘图工具获取分类模板信息扩展绘图工具获取分类模板信息31应用应用AOI扩展绘图工具获取分类模板信息扩展绘图工具获取分类模板信息3233模板评价模板评价Evaluating Signatures分类模板建立后，应对其进行评价，确定分类结果精度。34Contingeney Matrix可能性矩阵输出一个百分比矩阵，表明每个AOI训练区中有多少像元分别

11、属于相应类别。模板评价模板评价Evaluating Signatures 提示： 误差矩阵精度85%，模板需要要重建。3637三、图像分类中的有关问题1、未充分利用遥感图像提供的多种信息n只考虑多光谱特征，没有利用到地物空间关系、图像中提供的形状和空间位置特征等方面的信息。n统计模式识别以像素为识别的基本单元,未能利用图像中提供的形状和空间位置特征,其本质是地物光谱特征分类2、提高遥感图像分类精度受到限制大气状况的影响大气状况的影响：吸收、散射。下垫面的影响：下垫面的影响：下垫面的覆盖类型和地形起伏状态对分类具有一定的影响。其他因素的影响：其他因素的影响：云朵覆盖；不同时相的光照条件不同，同一

12、地物的电磁辐射能量不同；地物边界的多样性。39第二节第二节 遥感图像专家解译系统遥感图像专家解译系统遥感解译专家系统：把某遥感解译的专家知识与经验形式化后输入到计算机中，由计算机模仿遥感解译专家思考问题与解决问题的计算机技术系统。首先建立知识库，根据分类目标提出假设，并根据拥有的数据资料定义支持假设的规则、条件和变量，然后应用知识库自动进行分类。40专家系统结构专家系统结构简图专家系统结构简图 知识库用以存放专家提供的专门知识。专家系统的性能水平取决于知识库中所拥有知识的数量和质量。 数据库用于存放系统运行过程中所需要和产生的所及信息。 推理机是针对当前问题的信息，识别、选取、匹配知识库中规则

13、，以得到问题求解结果的一种机制。41一、遥感图像解译专家系统的组成1、图像处理与特征提取子系统：包括图像处理、地形图数字化、精纠正、特征提取，结果存贮在遥感数据库内。2、遥感图像解译知识获取系统：获取遥感图像解译专家知识，并把专家知识形式化表示，存贮在知识库中。3、狭义的遥感图像解译专家系统。42第三节、计算机解译的主要技术发展趋势1 1、抽取遥感图像多种特征、抽取遥感图像多种特征 低层次主要提取地物波谱特征的表征； 中层次主要抽取和描述目标的形态、纹理等空间特征； 高层次主要抽取地物之间的空间关系特征。2、逐步完成GIS各种专题数据库的建设，利用GIS数据减少自动解译中的不确定性（1）对遥感

14、图像进行辐射校正，消除或降低地形差异的影响；（2）作为解译的证据，增加遥感图像的信息量减少自动解译中的不确定性；（3）作为解译结果的检验数据，降低误判率。3、建立适用于遥感图像自动解译的专家系统，提高自动解译的灵活性 需要从以下两方面开展工作：建立解译知识库和背景知识库。根据遥感图像解译的特点来构造专家系统。4 4、模式识别与专家系统相结合、模式识别与专家系统相结合模式识别 (PR)是指用计算机的方法 , 就人类对外部世界某一特定客体、过程及现象的识别功能进行自动模拟。模式信息的形式和内容是十分广泛的 ,既可以是图形、图像 ,也可以是语音、语言文字或一般的电、声信息。5 5、计算机解译新方法的

15、应用、计算机解译新方法的应用（1）人工神经网络(Artificial Neural Networks)在遥感图像识别中的应用。（2）小波分析在遥感图像识别中的应用。（3）分形技术在遥感图像识别中的应用。（4）模糊分类方法遥感图像识别中的应用。47人工神经网络n 人工神经网络是一种模拟人脑神经元细胞的网络结构，概括说来，人工神经网络具有以下主要特征：大规模的并行处理和分布式信息存储；具有良好自适应性和自组织性的非线性系统；较强的学习功能、联想功能和容错功能，适合模拟人的形象思维。48小波分析n 小波理论起源于信号处理。由于探测精度的限制一般的信号都是离散的，通过分析认为信号是由多个小波组成的，这

16、些小波代表着不同的频率持征。小波函数平移、组合形成了小波函数库，通过小波函数库中区间的变化可以对某些感兴趣的频率特征局部放大，因此小波函数被称为数学显微镜。 49 小波分析方法的基本思想就是将图像进行多分辨率分解分解成不同空间、不同频率的子图像、然后再对子图像进行系数编码。基于小波分析的图像压缩实质上是对分解系数进行量化的压缩。 目前，小波分析在遥感图像识别中的应用主要是在遥感图像压缩方面，也有人对小波理论在立体视觉中的应用进行了理论探讨，提出了基于“小波变换”的多分辨率边缘检测方法和立体匹配方法，这对于应用计算机从立体像对中获取地面高程信息具有借鉴意义。小波分析50分形技术n 从几何形体上可

17、以将遥感图像上的地物分为两大类：一类是具有规则的、边界光滑的“人造地构”，如建筑物等；另类是不规则、具有精细的结构成自相似待征的自然地物，如山脉、沙丘等。有人注意到，许多自然界的物体具有自相似特征由此联想到是否可以应用分形”技术对这些物体持征进行刻画。51 目前，分形已成为一门分支学科。分形领域里的迭代函数系统，在计算机上可以生成各种各样图案，也可以用分形方法在汁算机上实现自然景物模拟。 目前，分形方法在遥感图像数据压缩方面可以收到较好的效果 “分形”方法提取自然地物特征尚在研究之中，如利用自相似性的尺度函数刻画地物纹理结构特征。分形技术52模糊分类n Zadeh于1965年提出模糊理论。该理论认为，在是与非之间存在中间状态，不确定性事物的归属度可以用概率方式表尔出它的模糊性及不确定性。n 在遥感图像的分类中，一些地物往往存公模糊边界，要明确地判定地物分类类别的边界是件很困难的字情。例如，影像中灌丛与草地边界的确定。对这种边界不明显的情况可通过模糊分类方法加以解决。