第07章 遥感图像分类.ppt

地物边界跟踪法 地球上地物的表现形式可概括为三种：点状地物，线状地物和面状地物。随着遥感影像空间分辨率的变化，一种地物在高分辨率图像上表现为面状地物，在低分辨率图像上可能表现为点状地物。反之点状地物在高分辨率图像上也可表现为面状地物。 地物形状特征是通过边界信息表现出来的。对地物边界跟踪，是获取地物形态特征的前提。针对不同地物分布特点，地物边界跟踪方法不同： 第一种方法：以图像像元作为跟踪的落脚点，跟踪点的连线作为地物的界线。这种跟踪方法适用于线状物体的跟踪（图a）。 第二种方法：认为地物的界线在相邻地物之间，因此边界跟踪的路径应该从两个相邻地物边界的像元中间穿过，这种方法适用于点状地物与面状物体的跟踪（图b）。 4 4 3 3 4 4 3 3 a 4 4 3 3 4 4 3 3 b 地物边界跟踪法 1、点状地物与面状地物的边界跟踪 点状地物是用一个像元或几个相邻像元表示的地物，一个像元对应地表一定的面积，因此点状地物可视为缩小的面状地物。面状地物边界跟踪法同样适用于点状地物，只不过点状地物跟踪的方法更加简单。 面状地物的边界跟踪法： 面状地物边界跟踪：是在遥感图像分类基础上进行的。经过分类后的图像，每个地物单元内部是均一的，它与其他地物的差异主要通过地物单元的边界来表现。从而可认为：特征均一的地物单元（区域）的空间分别是边界所确定的，边界由一个或多个弧段所构成，弧段是具有方法性的线段，线段由有限个有序的边界点所构成。 地物边界跟踪法 1、点状地物与面状地物的边界跟踪 面状地物的边界跟踪法： 以两类地物单元边界跟踪为例，对地物单元边界点和地物单元内部点定义如下： A0 A1 A2 A3 图：四个像元在2×2图像窗口的相邻关系 设G1为图像中第一种地物类型，G2为图像中第二种类型，像元A0、A1、A2、A3在二维图像空间分布中具有如右图所示的相邻关系。 若A∈G1，A∈G2，设A＝｛A0、A1、A2、A3｝，则称4个像元在2×2图像窗口的中间点（窗口内部“+”的中心）为内部点。 若Ai∈G1，Aj∈G2，i≠j，则称4个像元在2×2图像窗口的中间点为边界点。 地物边界跟踪法 1、点状地物与面状地物的边界跟踪 面状地物的边界跟踪法： 地物单元边界跟踪法如下： 起始点的确定：设图像数据具有m行和n列，分别在图像四周各增加一行或一列数据，增加的像元赋值为-1，构成(m+2)×(n+2)的数字图像，经过上述处理，图像周边的像元都成为边界点。 这里规定，第一个地物单元的边界点在图像坐标原点，将坐标原点作为起始点，开始跟踪时，记下起始点的坐标，顺序扫描图像，查找边界点。 下一个跟踪点的确定：认查找下一个跟踪点，关键是确定下一个跟踪点的方向。 1、分类原理与基本过程 遥感数字图像的计算机分类 计算机图像分类方法，常见的有两种，即监督分类和非监督分类。 监督分类：首先要从欲分类的图像区域中选定一些训练样区，在这样训练区中地物的类别是已知的，用它建立分类标准，然后计算机将按同样的标准对整个图像进行识别和分类。它是一种由已知样本，外推未知区域类别的方法； 非监督分类：是一种无先验（已知）类别标准的分类方法。对于待研究的对象和区域，没有已知类别或训练样本作标准，而是利用图像数据本身能在特征测量空间中聚集成群的特点，先形成各个数据集，然后再核对这些数据集所代表的物体类别。 与监督分类相比，非监督分类具有下列优点：不需要对被研究的地区有事先的了解，对分类的结果与精度要求相同的条件下，在时间和成本上较为节省。但实际上，非监督分类不如监督分类的精度高，所以监督分类使用的更为广泛。 遥感数字图像的计算机分类 1、分类原理与基本过程 遥感数字图像的计算机分类 1、分类原理与基本过程 遥感图像的计算机分类基本过程如下： （1）首先明确遥感图像分类的目的及其需要解决的问题，在此基础上根据应用目的选取特定区域的遥感数字图像，图像选取中应考虑图像的空间分辩率、光谱分辩率、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。为提高计算机分类的精度，需要对数字图像进行辐射校正和几何纠正（这部分工作也可能由提供数字图像的卫星地面站完成）。 （3）对图像分类方法进行比较研究，掌握各种分类方法的优缺点，然后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。根据应用目的及图像数据的特征制定分类系统，确定分类类别，也可通过监督分类方法，从训练数据中提取图像数据特征，在分类过