其本质是地物光谱特征的分类.ppt

遥感影像计算机分类 Dept. of Land Information Engineering Chuzhou University （1）绝对值距离 i，j为特征空间中两点 （2）欧式距离 （3）马氏距离 （4）混合距离 像元i到第g类类均值的混合距离。 非监督分类的前提： 假定遥感影像上同类物体在同样条件下具有相同的光谱信息特征。 完全按照像元的光谱信息特征进行分类，适用于对分类区不了解的情况。自动化程度高。 分类步骤： 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 栅格矢量转换 统计分析 常用方法 （1）分级集群法 （2）动态聚类法 （1）分级集群法 当同类物体聚集分布在一定的空间位置上，他们在同样条件下应具有相同的光谱信息特征，这时其他类别的物体应聚集分布在不同的空间位置上。由于不同地物的辐射特性不同，反映在直方图上会出现很多峰值及其对应的一些众数灰度值，他们在图像上对应的像元分别倾向于聚集在各自不同的重数附近的灰度空间形成的很多点群，这些点群就叫做群集。一个群集就是一个分类。 分级集群法的分类过程 确定相似程度指标 初定分类种数 计算样本间距离 归并成新类别 分级集群法的缺点 在迭代过程中没有调整类别总数的措施，操作次序不同会产生不同的分类结果。 （2）动态聚类法 在初始状态给出图像粗糙的分类，然后基于一定的原则在类别间重新组合样本，直到分类比较合理为止，这种分类方法就叫-。 代表：迭代自组织数据分析技术，ISODATA（Interative-Orgnizing Data Analysize Technigue）。 动态聚类法分类过程 选择初始类聚类中心 分配各像元到最近的类别中去 计算并改正重新组合的类别中心 监督分类方法 定义：监督分类又称训练场地法或先学习后分类法。它是先选择具有代表性的典型试验区或训练区，用训练区已知地面样本的光谱特征来“训练”计算机，获得识别各类地物的判别模式或判别函数，并依此模式或判别函数，对未知地区的像元进行处理分类，分别归入到已知的类别中，达到自动分类识别的目的。 训练场地的选择： ?要具有代表性（目标地物中心较大的区域选取）； ?数目要包含足够的信息； 分类步骤： 建立模板（训练样本） 评价模板 确定初步分类结果 检验分类结果 分类后处理 分类统计特征 栅格矢量转换 统计分析 常用方法 （1）最小距离分类法 以特征空间中的距离作为像素分类的依据。 1）最小距离判别法 2）最近领域分类法（多光谱） 原理简单，分类精度不高，计算速度快，常在快速浏览分类概况中使用。 常用方法 （2）多级切割分类法 在各轴上设定分割点，将多维特征空间划分成对应不同分类类别的互不重叠的特征子空间。 优：便于直观理解如何分割特征空间，以及待分类像素如何与分类类别相对应。 缺：多级分割法要求分割面总是与各特征轴正交，如果各类别在特征空间中呈现倾斜分布，就会产生分类误差!因此，需要先进行主成分分析，或正交变换，然后进行多级分割。 常用方法 （3）特征曲线窗口法 以特征曲线为小心取一个条带，构造一个窗口，凡是落在此窗口范围内的地物即被认为是一类，反之，则不属于该类。 分类依据：相同的地物在相同的地域环境及成像条件下，特征曲线是相同或相近的，不同地物的特征曲线差别明显。 常用方法 （4）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别中去的方法。 利用训练区求出均值、方差以及协方差等待征参数，从而求出总体的先验概率密度函数。 条件：总体分布不符合正态分布时，其分类可靠件将下降，这种情况下不宜采用最大似然比分类法。 最大似然比分类法在多类别分类时，常采用统计学方法建守起一个判别函数集，然后根据这个判别函数集计算各待分像元的归属概率。 监督分类和非监督分类方法比较（小结） 根本区别：是否利用训练场地来获取先验类别知识。 监督分类根据训练场提供的样本选择特征参数，建立判别函数。训练场地选择是监督分类的关键。 对于不熟悉区域情况的人来说，选择足够数量的训练场地带来很大的工作量。由于训练场地要求有代表性，训练样本的选择既要考虑到地物光谱特征，样本数目有要能满足分类的要求，常难周全，这是监督分类不足之处。 监督分类和非监督分类方法比较（小结） 相比之下，非监督分类不需要更多的先验知识，分类方法简单，且分类具有一定的精度。 当光谱特征类能够和唯一的地物类型(水体、植被)相对应时，非监