遙感圖像分類.ppt

《遙感圖像分類.ppt》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、遙感圖像分類吳和靜2011.3.29內(nèi)容分類步驟2分類應(yīng)用1技術(shù)方法4劃分方式3遙感分類應(yīng)用調(diào)查地球資源狀況、監(jiān)測(cè)再生資源的動(dòng)態(tài)變化等森林資源調(diào)查，樹種、覆蓋面積、災(zāi)害城市內(nèi)部的綠化、交通、污染、建筑密度、土地等的現(xiàn)狀調(diào)查優(yōu)點(diǎn)：成本低，速度快，克服自然界惡劣環(huán)境的限制，減少勘測(cè)投資的盲目性分類系統(tǒng)流程信息獲取預(yù)處理特征提取和選擇分類決策分類器設(shè)計(jì)訓(xùn)練過程去噪變換增強(qiáng)形狀灰度邊緣區(qū)域紋理分類器設(shè)計(jì)判別函數(shù)表示決策規(guī)則決策面方程相鄰的兩個(gè)決策域在其決策面上判別函數(shù)值相等分類器計(jì)算各類的判別函數(shù)，選出最大值對(duì)應(yīng)的類作為決策結(jié)果常用的

2、決策規(guī)則最小錯(cuò)誤率貝葉斯準(zhǔn)則最小風(fēng)險(xiǎn)貝葉斯準(zhǔn)則聶曼-皮爾遜準(zhǔn)則最小最大準(zhǔn)則費(fèi)歇爾準(zhǔn)則最小二乘準(zhǔn)則分類劃分按照是否已有已知訓(xùn)練樣本的分類數(shù)據(jù)，分為非監(jiān)督分類和監(jiān)督分類按照映射算法分線性分類器和非線性分類器神經(jīng)網(wǎng)絡(luò)前饋網(wǎng)絡(luò)——監(jiān)督學(xué)習(xí)競(jìng)爭(zhēng)網(wǎng)絡(luò)——非監(jiān)督學(xué)習(xí)單層感知器——線性分類多層感知器——非線性分類監(jiān)督分類利用某些已知類別真實(shí)地物樣本，訓(xùn)練分類識(shí)別系統(tǒng)學(xué)習(xí)各個(gè)類別的特征按照分類的決策規(guī)則進(jìn)行分類基于統(tǒng)計(jì)的分類方法（均值、方差、協(xié)方差、標(biāo)準(zhǔn)差、離散度）分類精度高最大似然分類判別準(zhǔn)則最小錯(cuò)誤概率條件下的貝葉斯準(zhǔn)則判別函數(shù)式中、分別為

3、?k類的均值和協(xié)方差如果，則檢驗(yàn)真實(shí)1234567891111213173320601307000002323001032400000360209312303200004140152007140200000512065481503000006670015114402000007138010273800000082272020392200040900100007512000010000000000403000110000000001414401200050009095473013100000000000926最大似然精度兩種分類

4、精度總分類精度91.25%%12345678910111213生產(chǎn)者精度96.3294.6581.6479.3750.3162.8836.1990.9598.4699.7598.8194.0499.89使用者精度87.3784.5687.8263.4989.0168.2595.0091.3895.8897.5898.8198.34100非監(jiān)督分類無需事先知道各類地物的類別統(tǒng)計(jì)特征不用經(jīng)過訓(xùn)練學(xué)習(xí)過程根據(jù)分類判別準(zhǔn)則自動(dòng)分類算法簡(jiǎn)單并具有一定的分類精度K-均值分類給定類別數(shù)c，把N個(gè)樣本分到c個(gè)類別中對(duì)所有的j，若則把y從Гi中

5、移到Гx中去直至均差平方和Je不改變監(jiān)督與非監(jiān)督分類精度比較最大似然分類二階統(tǒng)計(jì)特征均值、方差K均值聚類一階統(tǒng)計(jì)特征均值球形分布，各類方差相近軟分類線性模型（解混）物理意義光譜混合廣義反演模糊模型數(shù)學(xué)角度光譜相似度隸屬度模糊C均值聚類設(shè)定聚類數(shù)目c和參數(shù)b初始化各個(gè)聚類中心mi循環(huán)計(jì)算，直至隸屬度函數(shù)穩(wěn)定隸屬度函數(shù)聚類中心ThankYouTheEnd