北京建筑大学遥感基础第五次课遥感图像解译.ppt

4.综合推理法 综合考虑遥感图象多种解译特征，结合生活常识、分析、推断某种地物。 铁道与公路：天气晴朗与雨后的识别 5.地理相关分析法 根据地理环境中各种要素之间的相互依存、相互制约的关系，借助专业知识，分析推断 某种地理要素性质、类型、状况与分布的方 法。 三、准备工作 明确任务与要求 训练判读员 收集充足的资料 了解图像的来源、性质和质量 判读仪器和设备 四、判读的一般过程 选择典型样区，建立解译标志 发现目标 描述目标 识别和鉴定目标 野外验证和补判 清绘和评价目标 6.1.3 各种图象的判读 1.单波段图象 色调特征和空间特征 图象增强 密度分割 2.多光谱图象 – 光谱特性曲线 – 比较判读 – 假彩色合成 – 空间特征 3.热红外图象判读 温度、发射率； 热特性：热容量、热传导率、热惯量。 热传导：热通过某一物质的快慢的度量； 热容量：某物质保存热的大小； 热惯量：物体对温度变化的响应的亮度，随着物体的导热性，容量和密度的增加而增加。高热惯量的物质比低热惯量的物质在白天和黑夜有更均匀的表面温度。 4.侧视雷达图象 色调特征：入射角，地面粗糙度，地物电特性； 几何特征：比例尺失真，地形起伏影响； 穿透特性：可以得到地面图象； 散射特性：可以反映地下状况。 5.多时域图象 景物的时间特性以光谱特征和空间特征表现 6.2 遥感图像自动解译 6.2.1 遥感图像的计算机分类 6.2.2 智能处理方法 6.2.1 遥感图像的计算机分类 一、分类的原理和步骤 1. 分类原理: 在应用遥感技术解决实际问题时常常需要根据地物的特征进行归类,有时还要制成专题图并量算面积,例如土地利用调查、士壤调查等等, 这一工作称为分类。 目视判读分类所依据的是影像的色调和几何特征等解译标志,而计算机分类的对象是数字图像,地物的所有特征都是通过数字化的灰度值反映出来的,因此, 计算机分类是建立在对图像像元灰度值的统计、运算、对比和归纳基础上进行的。 遥感图像计算机分类是基于数字图像中所反映的同类地物的光谱相似性和异类地物的光谱差异性进行的。 2. 分类步骤 分类预处理 特征选择 分类 分类后处理 专题图制作 二、非监督分类 1. 非监督分类的概念： 非监督分类的前提是假定遥感影像上的的同类物体在同样条件下具有相同的光谱信息特征。非监督分类方法不必对影像地物获取先验知识，仅依靠影像上不同类地物光谱信息 (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,最后对巳分出的各个类别的实际属性进行确认 2、非监督分类方法 主要采用聚类分析方法,聚类是把一组像素按照相似性归成若干类别,即“物以类聚”。它的目的是使得属于同一类别的像素之间的距离尽可能的小而不同类别上的像素间的距离尽可能的大。其常用方法如下: 　(1) 分级集群法 (Hierarchical Clustering) 　(2) 动态聚类法 ISODATA方法在动态聚类法中具有代表性。 均值聚类法 K—均值算法的聚类准则是使每一聚类中，多模式点到该类别的中心的距离的平方和最小。其基本思想是，通过迭代，逐次移动各类的中心，直至得到最好的聚类结果为止。 这种算法的结果受到所选聚类中心的数目和其初始位置以及模式分布的几何性质和读入次序等因素的影响，并且在迭代过程中又没有调整类数的措施，因此可能产生不同的初始分类得到不同的结果，这是这种方法的缺点。 ISODATA算法聚类分析 ISODATA（Iterative Self-Organizing Data Analysis Techniques Algorithm）算法也称为迭代自组织数据分析算法。它与K－均值算法有两点不同，第一，它不是每调整一个样本的类别就重新计算一次各类样本的均值，而是在每次把所有样本都调整完毕之后才重新计算一次各类样本的均值，前者称为逐个样本修正法，后者称为成批样本修正法；第二，ISODATA算法不仅可以通过调整样本所属类别完成样本的聚类分析，而且可以自动地进行类别的“合并”和“分裂”，从而得到类数比较合理的聚类结果。 三、监督分类 1、监督分类的概念： 首先需要从研究区域选取有代表性的训练场地作为样本。根据已知训练区提供的样本,通过选择特征参数(如像素亮度均值、差等),建立判别函数,据此对样本像元进行分类,依据样本类别的特征来识别非样本像元的归属类别。 监督分类包括利用训练区样本建立判别函数的“学习”过程和把待分像元代入判别函数进行判别的过程。 监督分类对训练场地的选取具有一定要求: 训练场地所包含的样本在种类上要与待分区域的类别一致。训练样本应在各类目标地物面积较大的中心选取, 这样才有代表性。如果采用最大似然法,分类要求各变量正态分布, 因此训练样本应尽量满足这