遥感原理与应用精品文稿.ppt

《遥感原理与应用精品文稿.ppt》由会员分享，可在线阅读，更多相关《遥感原理与应用精品文稿.ppt（55页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、遥感原理与应用遥感原理与应用第1页，本讲稿共55页11、数字图像的性质和特点、数字图像的性质和特点1遥感数字图像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.（P82辐射分辨率）纯像素;混合像素第2页，本讲稿共55页1、数字图像的性质和特点 二、遥感数字图像的特点二、遥感数字图像的特点便于计算机处理与分析图像信息损失少抽象性强第3页，本讲稿共55页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.第4页，本讲稿共55页

2、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:1.1.单波段数字图像单波段数字图像:SPOT:SPOT 的全色波段的全色波段.2.2.多波段数字图像多波段数字图像:TM:TM的的7 7个波段数据个波段数据.3.多波段数字图像的三种数据格式1.1.BSQBSQ格式格式(Band sequential(Band sequential)2.2.BIPBIP格式格式(Band interleaved by pixel)(Band interleaved by pixel)3.3.BILBIL格式格式(Band interleaved by line)(Band int

3、erleaved by line)第5页，本讲稿共55页1、数字图像的性质和特点四.航空像片的数字化v空间采样：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个单元的像素组合。v属性量化：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。第6页，本讲稿共55页2、遥感图像的计算机分类第7页，本讲稿共55页一、分类原理与基本过程一、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。P194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。第8页，本讲稿共55

4、页 统计可分性的量度（全局统计和局部统计）：统计可分性的量度（全局统计和局部统计）：(1)(1)空空间间距距离离 表表示示类类与与类类之之间间的的差差异异,通通常常用用欧欧氏距离或马氏距离氏距离或马氏距离来描述。来描述。(P194)(P194)绝对值距离绝对值距离欧氏距离欧氏距离马氏距离马氏距离第9页，本讲稿共55页 统计可分性的量度（全局统计和局部统计）：统计可分性的量度（全局统计和局部统计）：(1)(1)空空间间距距离离 表表示示类类与与类类之之间间的的差差异异,通通常常用用欧欧氏氏距离或马氏距离距离或马氏距离来描述。来描述。(P194)(P194)绝对值距离绝对值距离欧氏距离欧氏距离马氏

5、距离马氏距离第10页，本讲稿共55页(2)相似系数相似系数-表示类与类之间的相似程度。表示类与类之间的相似程度。混合距离结论：结论：距离越大，相似度越小；相似系数越大，距离越大，相似度越小；相似系数越大，相关程度越高，相似度越大。相关程度越高，相似度越大。第11页，本讲稿共55页一、分类原理与基本过程一、分类原理与基本过程遥感数字图像计算机分类基本过程(P195)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

6、，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。第12页，本讲稿共55页v遥感图像计算机分类方法(P195)监督分类法：选择具有代表性的典型实验区或训练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区，用训练区中已知地面各类地物样本的光谱特性来来“训练训练”计算机，获得识别各类地物的判别函数计算机，获得识别各类地物的判别函数或模式，并以

7、此对未知地区的像元进行分类处理，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。分别归入到已知的类别中。非监督分类：是在没有先验类别（训练场地）作为是在没有先验类别（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。元归为一类）的方法。第13页，本讲稿共55页二、图像分类方法二、图像分类方法 1、监督分类 （1）、最小距离分类法Step 2 for eachunclassified pixel,calculate t

8、he distance toaverage for each trainingarea第14页，本讲稿共55页二、图像分类方法二、图像分类方法 1、监督分类 （1）、最小距离分类法 最近邻域分类法 Nearest NeighbourNearest Neighbour。Defines a typical pixel for each class Defines a typical pixel for each classvvAssigns pixels on the basis of spectral distanceAssigns pixels on the basis of spectral

9、 distancevvCan separate diverse classesCan separate diverse classesvvBoundary problems remain unresolvedBoundary problems remain unresolved第15页，本讲稿共55页（1）最小距离分类法vP196它是以特征空间中的距离作为像素分类的它是以特征空间中的距离作为像素分类的依据，包括最小距离和最近邻域。依据，包括最小距离和最近邻域。v最小距离判别法要求对遥感图像中每一个类别最小距离判别法要求对遥感图像中每一个类别选一个具有代表意义的统计特征量（均值），选一个具有代表

10、意义的统计特征量（均值），首先计算待分像元与已知类别之间的距离，然首先计算待分像元与已知类别之间的距离，然后将其归属于距离最小的一类。后将其归属于距离最小的一类。第16页，本讲稿共55页最小距离法示意图最小距离法示意图第17页，本讲稿共55页最近邻域分类法vP197在多波段遥感图像中，每一类别具有在多波段遥感图像中，每一类别具有多个多个统计特征量。统计特征量。最近邻域分类法首先计算待分像最近邻域分类法首先计算待分像元到每一类中每一个统计特征量的距离，这样，元到每一类中每一个统计特征量的距离，这样，该像元到每一类都有几特征值，取其中最小的该像元到每一类都有几特征值，取其中最小的一个距离作为该像元

11、到该类别的距离，最后比一个距离作为该像元到该类别的距离，最后比较该待分像元到所有类别间的距离，将其归属较该待分像元到所有类别间的距离，将其归属于距离最小的一类。于距离最小的一类。分类精度不高，计算速度分类精度不高，计算速度快。快。第18页，本讲稿共55页（2）多级切割分类法vP197通过设定在各轴上的一系列分割点，将多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子空间的分类方法。对于一个未不重叠的特征子空间的分类方法。对于一个未知类别的像素来说，它的分类取决于它落入哪知类别的像素来说，它的分类取决于它落入哪个类

12、别特征子空间。如落入某个特征子空间，个类别特征子空间。如落入某个特征子空间，则属于该类，如落入所有特征子空间之外，则则属于该类，如落入所有特征子空间之外，则属于未知类别。多波段图像分类前先进行主成属于未知类别。多波段图像分类前先进行主成分变换，然后进行多级分割。分变换，然后进行多级分割。第19页，本讲稿共55页（3）最大似然比分类法（MLC）vP198是通过求出每个像素对于各类别的归属概是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率，把该像素分到归属概率最大的类别中去的方法。方法。v前提：假定训练区各地物的光谱特征服从正态前提：假定训练区各地物的光谱特征服从正态

13、分布，利用训练区可求出均值、方差、协方差分布，利用训练区可求出均值、方差、协方差等特征参数，从而可求出总体的先验概率密度等特征参数，从而可求出总体的先验概率密度函数。当总体不符合正态分布时，不宜采用函数。当总体不符合正态分布时，不宜采用MLC。第20页，本讲稿共55页设从类别设从类别k中观测到中观测到x的条件概率为的条件概率为p(x|k)，则归属概率则归属概率Lk为为归属概率是指对于待分像元归属概率是指对于待分像元x，它从属于分类，它从属于分类类别类别k的后验概率。的后验概率。P198式式6.8和和6.9第21页，本讲稿共55页+AB波段波段1波段波段2Amin1Amax1Amax2Amin2

14、Bmin1Bmax1Bmin2Bmax2平行算法示意图平行算法示意图第22页，本讲稿共55页 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。（4 4）、特征曲线窗口分类法）、特征曲线窗口分类法第23页，本讲稿共55页 监督分类监督分类 小结小结 (1)概念概念:监督是指人为干预监督是指人为干预下的下的训练样本选取训练样本选取过程。过程。依据训练样本的亮依据训练样本的亮度特征建立度特征建立“判别函数判别函数”，进行，进行预分类预分类；再依据预分类结果，；再依据预分类结果，调整训练调整训练样本样本，再分

15、类，再分类，取得好的取得好的分类分类结果的过程，称为监督分类。结果的过程，称为监督分类。(2)训练区的实际意义训练区的实际意义:获得建立判别函数所必须的统计量。这些统计获得建立判别函数所必须的统计量。这些统计参数包括参数包括-均值、方差、协方差。均值、方差、协方差。(3)监督分类的关键监督分类的关键-训练样本的选取训练样本的选取、样样本本数数:如如果果特特征征空空间间(波波段段数数 )的的维维数数是是n n，则则预预分分类类的的样样本本数数一一定定要要 n+1,n+1,甚至可以达到甚至可以达到3n 3n。B、代代表表性性:训训练练样样本本应应该该反反映映该该类类地地物物的的亮亮度度特特征征；且

16、且需需注注意意同同类类地地物物空空间分布的不连续性。间分布的不连续性。(如多块同类样本都要选取如多块同类样本都要选取)第24页，本讲稿共55页 、亮度分布亮度分布：从亮度特征角度而言，对于同一类地物具有：从亮度特征角度而言，对于同一类地物具有不同亮不同亮度特征度特征情况，通常情况，通常都要选取都要选取（同物异谱同物异谱）。）。、纯度的把握纯度的把握：一般来说，一般来说，在已知类别的在已知类别的中间部位较高中间部位较高；如果如果过纯过纯，则方差过小，导致许多此类地物的像元被，则方差过小，导致许多此类地物的像元被拒分拒分；如如果果不不纯纯，则则方方差差过过大大，导导致致不不是是此此类类地地物物的的

17、像像元元被被分分到到该该类类别别中，导致出现中，导致出现“错分错分”的情况；的情况；把把握握纯纯度度的的方方法法：读读像像元元的的亮亮度度值值，确确定定该该类类地地物物的的亮亮度度分分布布区区间间；同同时时，注注意意其其它它地地物物亮亮度度值值与与其其近近似似部部分分的的像像元元亮亮度度分分布布区区间间，依依“错错分损失最小分损失最小”的原则的原则，确定，确定“分类界限分类界限”。第25页，本讲稿共55页(P199)(1)前提：假定遥感影像上同类地物在同样条前提：假定遥感影像上同类地物在同样条件下具有相同的光谱特征。件下具有相同的光谱特征。(2)分类原理分类原理：不必对影像地物有先验知识，仅依

18、：不必对影像地物有先验知识，仅依据影像上各类地物光谱信息（或纹理信息）进行特征提据影像上各类地物光谱信息（或纹理信息）进行特征提取，再统计特征的差别来达到分类的目的，最后对已分取，再统计特征的差别来达到分类的目的，最后对已分出的各个类别进行确认。出的各个类别进行确认。非监督分类非监督分类第26页，本讲稿共55页同类地物有其一定的聚集空间，多个类别在直同类地物有其一定的聚集空间，多个类别在直方图上有很多峰值及对应的众数灰度值，在不同方图上有很多峰值及对应的众数灰度值，在不同众数附近的灰度空间形成的点群，众数附近的灰度空间形成的点群，叫集群叫集群。分级集群方法是分级集群方法是采用距离评价各样本（每

19、个像元）采用距离评价各样本（每个像元）在空间分布的相似程度，把它们的分布分割或合并成在空间分布的相似程度，把它们的分布分割或合并成不同的集群。每个集群是什么地类，要根据地面调查不同的集群。每个集群是什么地类，要根据地面调查或已知类型的数据比较后确定。或已知类型的数据比较后确定。1）分级集群法）分级集群法P199第27页，本讲稿共55页分级集群法的分类过程：分级集群法的分类过程：1）确定各样本相似程度采用的指标，如距离、）确定各样本相似程度采用的指标，如距离、相关系数等。相关系数等。2）初定分类总数）初定分类总数n；3）计算样本间的距离；根据距离最近原则判）计算样本间的距离；根据距离最近原则判定

20、样本归并到不同类别；定样本归并到不同类别；4）归并后的类别作为新类，与其余类重新组合，）归并后的类别作为新类，与其余类重新组合，然后再计算并改正其距离。在达到所要分类的然后再计算并改正其距离。在达到所要分类的最终类别前，重复样本间相似度的评价和归并，最终类别前，重复样本间相似度的评价和归并，直到所有的像素都归入到各类别中去。直到所有的像素都归入到各类别中去。第28页，本讲稿共55页2）动态聚类法）动态聚类法P200是在初始状态给出图像粗糙的分类，然后基是在初始状态给出图像粗糙的分类，然后基于一定的原则在类别间重新组合样本，直到分类比于一定的原则在类别间重新组合样本，直到分类比较合理为止。较合理

21、为止。ISODATA动态聚类法的分类过程：动态聚类法的分类过程：1）按照某个原则选择初始聚类中心。规定每一类别）按照某个原则选择初始聚类中心。规定每一类别最小像元数，规定迭代次数。最小像元数，规定迭代次数。M为图像平均值，k=1,2,n，n为类总数。Xk为类中心。第29页，本讲稿共55页2）计算像素与初始类别中心的距离，把该像）计算像素与初始类别中心的距离，把该像素分配到最近的类别中。素分配到最近的类别中。3）计算并改正重新组合的类别中心，如果）计算并改正重新组合的类别中心，如果重新组合的像素数小于最小允许值，则取重新组合的像素数小于最小允许值，则取消该类，总数减消该类，总数减1。当类别中心距

22、离小于阈。当类别中心距离小于阈值，类间距离大于阈值，聚类完成。值，类间距离大于阈值，聚类完成。举例：如图像灰阶为举例：如图像灰阶为256，最大值为，最大值为225，最小值，最小值为为0，标准差为，标准差为43，图像均值为，图像均值为108，按，按isodata方方法，该图像分成法，该图像分成6类，中心像元值各是多少？类，中心像元值各是多少？第30页，本讲稿共55页 非监督分类与监督分类非监督分类与监督分类 的结合的结合 通常非监督分类做为监督分类的通常非监督分类做为监督分类的前导前导；如果监督分类；如果监督分类的最终结果要类，那么做非监督分类时致少要类。以的最终结果要类，那么做非监督分类时致少

23、要类。以此保证分类的纯度，因为方差小，错分的可能性也小。此保证分类的纯度，因为方差小，错分的可能性也小。分层分类分层分类(或决策树或决策树)逐逐层层次次地地建建立立特特征征空空间间，逐逐步步分分类类，达达到到预预期期的的分分类类目的。一般来说，分层分类的目的。一般来说，分层分类的识别精度较高识别精度较高。第31页，本讲稿共55页非监督分类与监督分类的比较非监督分类与监督分类的比较P201区别：是否利用训练场地获取知识优缺点：监督分类精度相对高，方法复杂；非监督分类精度低，方法简单。第32页，本讲稿共55页图像分类的有关问题(P201)v1、未充分利用遥感图像的、未充分利用遥感图像的多种信息多种

24、信息(仅光谱特仅光谱特征，空间关系、形状、大小等未用征，空间关系、形状、大小等未用)v2、提高遥感图像分类、提高遥感图像分类精度精度受到限制：受到限制：大气状况大气状况(辐射纠正辐射纠正)下垫面的影响下垫面的影响(几何纠正几何纠正)其他影响其他影响第33页，本讲稿共55页 4、遥感图像多种特征的抽取、遥感图像多种特征的抽取 1)地物边界跟踪法地物边界跟踪法点状地物点状地物线状地物线状地物面状地物边界跟踪：是在遥感图像分类的基面状地物边界跟踪：是在遥感图像分类的基础上进行的。础上进行的。(图图6.5-图图6.6)形状特征和空间关系特征抽取形状特征和空间关系特征抽取第34页，本讲稿共55页v1)对

25、数字图像进行增强处理；对数字图像进行增强处理；v2)对图像进行二值化处理对图像进行二值化处理(黑白或黑白或01)；v3)将图像中的像元分为线状地物与背景；将图像中的像元分为线状地物与背景；v4)噪声去除从而获得初始线状地物图。噪声去除从而获得初始线状地物图。v5)逐行扫描，寻找代表线状地物的像素，根据逐行扫描，寻找代表线状地物的像素，根据像素的多寡，计算线状地物的宽度；像素的多寡，计算线状地物的宽度；v6)剥皮细化留下骨干像素；剥皮细化留下骨干像素；v7)重复重复5-6步步线状地物信息检测与跟踪线状地物信息检测与跟踪第35页，本讲稿共55页地物形状特征的描述地物形状特征的描述1)周长周长P或线

26、状地物的长度或线状地物的长度P：2)面积面积S：3)线状地物的曲率线状地物的曲率C：4)面状地物的形状系数面状地物的形状系数F：(式式6.18)第36页，本讲稿共55页地的空间关系特征描述地的空间关系特征描述1)方位关系：指两物体之间方向与位置的相对关系。以一个物体方位关系：指两物体之间方向与位置的相对关系。以一个物体为中心，描述另一个物体位于它的哪一个方向上，距离它有多远。为中心，描述另一个物体位于它的哪一个方向上，距离它有多远。(图图6.8)2)包含关系或包含关系或(内部相离内部相离)：一个物体位于另一个物体内部，并且边界：一个物体位于另一个物体内部，并且边界不相邻。不相邻。(图图6.9)

27、3)相邻关系：指两个地物在边界上相邻。相邻关系：指两个地物在边界上相邻。(图图6.10)4)相交关系：两个地物在一点上交汇。相交关系：两个地物在一点上交汇。(图图6.11)第37页，本讲稿共55页5、遥感图像解译专家系统、遥感图像解译专家系统v专家系统专家系统：Expert System,简称简称ES。是把某。是把某一领域的专家知识与经验形式化后输入到计算一领域的专家知识与经验形式化后输入到计算机中，由计算机模仿专家机中，由计算机模仿专家 思考问题和解决问题，思考问题和解决问题，是代替专家解决专业问题的技术系统是代替专家解决专业问题的技术系统(P220)。第38页，本讲稿共55页遥感图像解译专

28、家系统遥感图像解译专家系统是是模式识别模式识别与与人人工智能工智能技术相结合的产物。用模式识别技术相结合的产物。用模式识别(Pattern Identification)方法方法获取获取地物地物多多种特征种特征，为专家系统解译提供多种，为专家系统解译提供多种证据证据，同时应用人工智能技术，运用遥感图像专家同时应用人工智能技术，运用遥感图像专家的的经验和方法经验和方法，模拟遥感图像目视解译，模拟遥感图像目视解译的具体的具体思维过程思维过程，进行遥感图像，进行遥感图像解译解译。(P213)第39页，本讲稿共55页遥感图像解译ES的组成(P213)1)图像处理与提取子系统；2)遥感图像解译知识获取子

29、系统；3)遥感图像解译专家子系统。第40页，本讲稿共55页知识获取知识获取界面界面地理名词地理名词数据字典数据字典图像处理图像处理图形输入图形输入完整一致性检查完整一致性检查图像几何精校正图像几何精校正框架产生器框架产生器规则产生器规则产生器图像分类图像分类区域分割与特征提取区域分割与特征提取ABA图像处理与特征提取子系统B遥感图像解译知识获取子系统属性数据属性数据空间数据空间数据第41页，本讲稿共55页图像解译知识库图像解译知识库遥感数据库遥感数据库知识管理库知识管理库公共数据区公共数据区数据库管理数据库管理推理机推理机解释器解释器用户界面用户界面CC遥感图像解译专家子系统查询查询解释解释第

30、42页，本讲稿共55页 1)图像处理与提取子系统图像处理与提取子系统v图像滤波；v图像增强；v辐射纠正；v图像几何配准；v图像分类；v图像特征提取。v遥感数据库第43页，本讲稿共55页2)遥感图像解译知识获取子系统遥感图像解译知识获取子系统v知识获取主要通过知识获取界面来实现。知识获取界面是一个具有语义和语法制导的结构编辑器。v知识获取后进行完整性和一致性检查；v通过框架产生器实现描述性知识的表示和获取。v通过规则产生器实现过程性知识的表示与获取。v图像解译知识库(Knowledge Base,称KB)第44页，本讲稿共55页框架第45页，本讲稿共55页产生式规则IF(条件)THEN (操作)

31、第46页，本讲稿共55页3)遥感图像解译专家子系统遥感图像数据库(包括空间数据和属性数据)；解译知识库(包括专家解译知识和背景知识)；推理机；解释器：是一个用于说明推理的工具，是对推理过程的解释，以便用户了解计算机解译的过程。第47页，本讲稿共55页推理机推理机(P216)v是遥感图像解译专家系统的核心。v作用：提出假设，利用地物多种特征作为证据，进行推理验证，实现图像解译。v正向推理过程：v反向推理过程：第48页，本讲稿共55页专家系统自动解译技术路线专家系统自动解译技术路线(P224)卫星图像识别（解译）机理分析；卫星图像识别（解译）机理分析；知识获取与知识形式化表示；知识获取与知识形式化

32、表示；建立专家知识库和背景知识库；建立专家知识库和背景知识库；遥感图像解译专家系统构建遥感图像解译专家系统构建第49页，本讲稿共55页数字遥感图像数字遥感图像；几何纠正和辐射纠正；几何纠正和辐射纠正；目标地物光谱特征抽取目标地物光谱特征抽取(分类分类)；目标地物形状特征与描述；目标地物形状特征与描述；空间位置抽取与描述；空间位置抽取与描述；自动制图专家系统构建自动制图专家系统构建(P224)第50页，本讲稿共55页地理专题信息复合（必要时进行）；地理专题信息复合（必要时进行）；运用遥感图像解译专家系统实现数运用遥感图像解译专家系统实现数字图像智能化识别；字图像智能化识别；产生专题图产生专题图

33、；（在（在GIS支持下）实现地理数据库支持下）实现地理数据库更新。更新。第51页，本讲稿共55页6、计算机辅助遥感制图的过程计算机辅助遥感制图的过程(P179)数字遥感图像输入；数字遥感图像输入；几何纠正几何纠正(参考地形图参考地形图)；图像分类图像分类(目视解译或计算机分类目视解译或计算机分类)；专题类型图专题类型图(如水系、路网、植被如水系、路网、植被)；专题图与基础地图底图套合；专题图与基础地图底图套合；图幅整饰图幅整饰(如比例尺、经纬网、标题、图例如比例尺、经纬网、标题、图例)；专题地图输出。专题地图输出。第52页，本讲稿共55页地理信息数据地理信息数据遥感图像遥感图像地图地图制图要素

34、及技术分析制图要素及技术分析地理要素选取地理要素选取实测控制点实测控制点几何纠正几何纠正选纠正点选纠正点图像数据变换图像数据变换建立专题分类体系建立专题分类体系专题图底图专题图底图数字化数字化第53页，本讲稿共55页图像识别图像识别目视判读目视判读计算机分类计算机分类专题类型图专题类型图专题类型图与底图套合专题类型图与底图套合专题地图专题地图底图与专题类型图匹底图与专题类型图匹配配扫描回放扫描回放分色扫描打印分色扫描打印计算机辅助遥感制图的基本过程计算机辅助遥感制图的基本过程第54页，本讲稿共55页7、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(P219)v1)抽取多种图像特征综合利用；v2)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；v3)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；v4)模式识别与专家系统结合；结构模式识别、统计模式识别v5)计算机解译新方法的应用。人工神经网络、小波分析、分形技术、模糊分类方法、证据理论第55页，本讲稿共55页