遙感圖像的分類.ppt

《遙感圖像的分類.ppt》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、一、概述圖像分類：將圖像中每個(gè)像元根據(jù)其光譜信息、空間結(jié)構(gòu)信息和（或）其它專題信息，按照一定的規(guī)則或算法劃分為不同的類別。可在由計(jì)算機(jī)自動(dòng)完成。最常用于分類的信息是光譜信息，即各波段的亮度值。另外還可以將空間結(jié)構(gòu)信息，如圖像紋理密度、方向等，及其它專題信息用于分類。這些信息的加入?？墒狗诸惖木鹊玫斤@著提高。除考慮目標(biāo)象元的特征外，還可以考慮周圍象元的特征。二、監(jiān)督分類（supervised)原理方法與步驟監(jiān)督分類的優(yōu)缺點(diǎn)原理建立各類型已知樣本區(qū)（訓(xùn)練區(qū)），根據(jù)訓(xùn)練區(qū)確定各類的統(tǒng)計(jì)特征，以此為基礎(chǔ)，建立分類的判別函數(shù)，對(duì)每個(gè)象元進(jìn)行類別劃分

2、。步驟訓(xùn)練區(qū)的選取類別統(tǒng)計(jì)特征的計(jì)算判別函數(shù)的確定對(duì)每個(gè)象元進(jìn)行判別計(jì)算1訓(xùn)練區(qū)的選取對(duì)每一分類類型，在圖像上圈定若干個(gè)已知區(qū)，作為訓(xùn)練區(qū)要點(diǎn)：訓(xùn)練區(qū)要典型，有代表性訓(xùn)練區(qū)最好能均勻分布于全區(qū)2類別統(tǒng)計(jì)特征的計(jì)算計(jì)算各類別訓(xùn)練區(qū)中各分類參數(shù)（波段）的統(tǒng)計(jì)特征值：均值、標(biāo)準(zhǔn)差、最大值、最小值、方差、協(xié)方差矩陣、相關(guān)矩陣或重心等。訓(xùn)練樣本分類能力的考查地物亮度分布一般屬于正態(tài)分布或?qū)?shù)正態(tài)分布某類單波段亮度直方圖應(yīng)為單峰，方差越小分類效果越好。如出現(xiàn)多峰說(shuō)明有多個(gè)總體，視情況需修改訓(xùn)練區(qū)不同類在單波段直方圖上均值相距越大，方差越小，分類效果越好

3、。兩類直方圖有重疊，則重疊區(qū)樣本難以區(qū)分特征空間二維圖中各類樣本越集中，距離越遠(yuǎn)，分類效果越好錯(cuò)分誤差(commissionerror)——像元被分到一個(gè)錯(cuò)誤類別的比例漏分誤差(omissionerror)——像元沒(méi)被到相應(yīng)類別的比例3判別函數(shù)的確定常用三種方法：平行算法最小距離法最大似然法平行算法又稱盒式?jīng)Q策規(guī)則根據(jù)各類訓(xùn)練樣本的亮度值范圍(由亮度最大值和最小值確定）形成的多維數(shù)據(jù)空間區(qū)域來(lái)進(jìn)行判別，將落入該區(qū)域內(nèi)的像元?jiǎng)潪樵擃?。也可用均值和?biāo)準(zhǔn)差來(lái)確定則如：或第i波段j類的最小亮度值；第i波段j類的最大亮度值；第i波段象元值；第i波段j

4、類的標(biāo)準(zhǔn)差；人為規(guī)定閾值波段1波段2特點(diǎn)：快速邊界附近的判別準(zhǔn)確但當(dāng)類別間亮度區(qū)域有重疊時(shí)無(wú)法判別最小距離法以均值向量或重心作為每類的中心位置，根據(jù)像元到各類別重心的距離來(lái)進(jìn)行判斷，將像元?jiǎng)澋骄嚯x最小的類別無(wú)法考慮類別方差的來(lái)同，重疊區(qū)的劃分誤差較大或?yàn)榫迪蛄縯m4tm3最大似然法（Bayes)基于亮度值服從正態(tài)分布的假設(shè)；計(jì)算像元屬于各類別的概率，將像元?dú)w入具最大概率的一類概率公式為：特點(diǎn)：可同時(shí)定量考慮多個(gè)波段和類別，且較好地考慮了各類方差（離散程度），因而較為合理，也具有較高的精度。a1a2監(jiān)督分類的優(yōu)缺點(diǎn)可根據(jù)應(yīng)用和區(qū)域，有選擇地

5、決定分類類別可控制訓(xùn)練樣本的選擇通常具有較高的精度可根據(jù)訓(xùn)練樣本分析分類精度參入了一定的人為因素所選類別可能不能履蓋所有類型，造成一些象元找不到歸屬不能識(shí)別訓(xùn)練者不知道的類別花較多的人力和時(shí)間三、非監(jiān)督分類也稱集（點(diǎn)）群分析或聚類分析，是按光譜（亮度值）向量在特征空間聚集的情況來(lái)劃分點(diǎn)群或類別。一個(gè)點(diǎn)群或類別在N維的特征空間里在某個(gè)眾數(shù)的周圍，該區(qū)域數(shù)據(jù)點(diǎn)相對(duì)密集，亮度向量之間具有更大的相似性。相似性量度的基本特征：1）亮度向量之間的距離2）特征空間中不同區(qū)域的點(diǎn)密度非監(jiān)督分類由程序來(lái)劃分出符合實(shí)際的點(diǎn)群或類別，需通過(guò)疊代運(yùn)算來(lái)完成。非監(jiān)督

6、分類步驟1、選定起始集群中心根據(jù)直方圖人為選取程序產(chǎn)生：分裂方法分別為全圖的均值向量和標(biāo)準(zhǔn)差向量2、計(jì)算距離與歸類計(jì)算像元到各中心的距離，用最小距離的原則反像元?dú)w入不同的類別3、檢查和修改集群中心：根據(jù)規(guī)定的參數(shù)（閾值）來(lái)檢查前一次循環(huán)中歸類的結(jié)果，決定再分裂，合并或取消某些類別分裂：標(biāo)準(zhǔn)差超過(guò)參數(shù)“最大標(biāo)準(zhǔn)差”，已有類別數(shù)小于預(yù)期類別數(shù)，或某一類的像元數(shù)大于參數(shù)“最大像元數(shù)，則該類就要分裂為兩個(gè)新的集群中心（類別）：及合并：把兩個(gè)集群（類）合并在一起，重新計(jì)算其中心（均值）。兩種情況下進(jìn)行：兩個(gè)集群之間的距離小于規(guī)定的閾值“最小群間距”集

7、群數(shù)超過(guò)了規(guī)定的“最大分類數(shù)”類間距一般采用相似距離：為兩個(gè)集群的中心；為兩個(gè)集群的標(biāo)準(zhǔn)差取消：當(dāng)某個(gè)集群的像元數(shù)少于參數(shù)“一類最小像元數(shù)”，則這一點(diǎn)群被取消，其像元分散到相鄰的群中。4、輸出分類結(jié)果：兩個(gè)循環(huán)間各類均值向量平均移動(dòng)距離小于規(guī)定的移動(dòng)閾值，或循環(huán)達(dá)到規(guī)定次數(shù)，則計(jì)算停止，輸出結(jié)果。開始輸入用戶參數(shù)選定初始集群中心將每個(gè)像元?dú)w入最近集群中心是否符合給定參數(shù)要求分裂、組合或取消輸出分類圖像及統(tǒng)計(jì)文件非監(jiān)督分類流程圖非監(jiān)督分類的優(yōu)缺點(diǎn)無(wú)需訓(xùn)練樣本。人為誤差機(jī)會(huì)少所有類別均可被識(shí)別難以對(duì)類別進(jìn)行控制，所得群組不一定對(duì)應(yīng)分析者想要的類

8、別。難以進(jìn)行不同圖像之間的對(duì)比