第8章遥感图像分类.pptx

1遥感数字图像处理林金堂闽江学院地理科学系第8章遥感图像分类全文共75页，当前为第1页。

2第8章遥感图像分类第8章遥感图像分类全文共75页，当前为第2页。

3第8章遥感图像分类8.1概述8.2相似性度量8.3工作流程8.4非监督分类8.5监督分类8.6其他分类方法8.7分类后处理8.8分类精度分析第8章遥感图像分类全文共75页，当前为第3页。

48.1概述8.1.1基本原理8.1.2分类方法第8章遥感图像分类全文共75页，当前为第4页。

58.1概述8.1.1基本原理同类地物在相同的条件下(光照、地形等)应该具有相同或相似的光谱信息和空间信息特征。不同类的地物之间具有差异根据这种差异，将图像中的所有像素按其性质分为若干个类别(Class)的过程，称为图像的分类。遥感图像分类以每个像素的光谱数据为基础进行。假设遥感图像有K个波段，则(i,j)位置的像素在每个波段上的灰度值可以构成表示为X=(x1，x2，…，xk)T，包含X的K维空间称为特征空间，这样K个波段的多光谱图像便可以用K维特征空间中的一系列点来表示。在遥感图像分类问题中，常把图像中的某一类地物称为模式，而把属于该类中的像素称为样本，X=(x1，x2，…，xk)T可以称为样本的观测值。第8章遥感图像分类全文共75页，当前为第5页。

68.1概述8.1.2分类方法根据是否需要分类人员事先提供已知类别及其训练样本，对分类器进行训练和监督，可将遥感图像分类方法划分为监督分类和非监督分类。事先己经知道类别的部分信息(即类别的先验知识)，对未知类别的样本进行分类的方法称之为监督分类(SupervisedClassification)。事先没有类别的先验知识，对未知类别的样本进行分类的方法称之为非监督分类(UnsupervisedClassification)根据分类使用的统计数学方法可以分为随机统计方法和模糊数学方法分类。前者以随机数学理论为基础，包括K-均值分类、最大相似性分类等。后者以模糊数学理论为基础，主要是模糊分类。第8章遥感图像分类全文共75页，当前为第6页。

78.1概述8.1.2分类方法根据一个像素被分到一个类还是多个类，可将遥感图像分类方法分为硬分类和软分类。图像上的一个像素只能被分到一个类的分类方法称为硬分类(hardclassification)。传统的统计分类方法都是硬分类。硬分类有时可能不合理。因为有些像素可能同时具有两个类或多个类的性质。图像上的每一个像素可以同时被分到两个或两个以上类的分类方法，称为软分类(softclassification)，这时每个像素除了被分类外，还同时允许它在不同的两个或多个类中具有隶属概率(classmembershipprobability)或部分隶属值(partialMembershipvalue)。这是对硬分类不合理一面的一种较合理的解决方式。第8章遥感图像分类全文共75页，当前为第7页。

88.2相似性度量距离是常用的相似性度量的概念。分类是确定像素距离哪个点群中心较近，或落入哪个点群范围可能性大的问题。像素与点群的距离越近，那么，属于该点群的可能性越高。按照一定的准则，当距离小于一定值时，像素被划分给最近的点群。每个点群为一个类。同一类别中点间的距离一般来说比不同类别点间距离要小。也可以认为，一个点属于某一类，一定与这个类别中心的距离比与其他类别中心的距离小。因此，在点群(团)中心已知的情况下，以每个点与点群中心的距离作为判定的准则，就可以完成分类工作。运用距离判别函数时，要求各个类别点群的中心位置己知。对于光谱特征空间中的任一点k，计算它到各类中心点的距离d。若didj，则k像素属于i类而不属于j类，此处，判别准则为didj第8章遥感图像分类全文共75页，当前为第8页。

98.2相似性度量dik为当前像素i到类k的距离，P为波段数，xij为像素i在j波段的像素值，Mjk为类k在波段j的均值。2.欧氏(Euclidean)距离1.绝对距离该距离是平面上两点之间的直线距离，应用最多。第8章遥感图像分类全文共75页，当前为第9页。

108.2相似性度量3.马氏(Mahalanobis)距离马氏距离是一种加权的欧氏距离，它通过协方差矩阵来考虑变量的相关性。这是由于在实际中，各点群的形状是大小和方向各不相同的椭球体，如图所示，尽管K点距MA的距离DA比距MB的距离DB小，即DADB，但由于B点群比A点群离散得多，因而把K点划入B类更合理。加权可以这样理解，计算的距离与各点群的方差有关。方差愈大，计算的距离就愈短。如果各个点群具有相同的方差，则马氏距离是欧氏距离的平方。第8章遥感图像分类全文共75页，当前为第10页。

118.2相似性度量3.马氏(Ma