第9章--遥感图像分类

第9章--遥感图像分类

第9章 遥感图像分类

第9章--遥感图像分类

遥感图象计算机分类遥感图像计算机分类以遥感数字图像为 研究对象，在计算机系统支持下，综合 运用地学分析、遥感图像处理、地理信 息系统、模式识别与人工智能技术，实 现地学专题信息的智能化获取。其基本 目标是将人工目视解译遥感图像发展为 计算机支持下的遥感图像理解。

第9章--遥感图像分类

遥感图象计算机分类特点利用计算机对遥感数字图像进行分类难度很大。 遥感图像是从遥远的高空成像的，成像过程要受传

感器、大气条件、太阳位臵等多种因素的影响。影 像中所提供的目标地物信息不仅不完全，而且或多 或少地带有噪声，因此人们需要从不完全的信息中 尽可能精确地提取出地表场景中感兴趣的目标物。 遥感影像信息量丰富，与一般的图像相比，其包容 的内容远比普通的图像多，因而内容非常“拥挤”。 不同地物间信息的相互影响与干扰使得要提取出感 兴趣的目标变得非常困难。 遥感图像的地域性、季节性和不同成像方式更增加 了计算机对遥感数字图像进行解译的难度。

第9章--遥感图像分类

由于利用遥感图像可以客观、真实和快速 地获取地球表层信息，这些现势性很强的 遥感数据在自然资源调查与评价、环境监 测、自然灾害评估与军事侦察上具有广泛 应用前景。因此，利用计算机进行遥感图 像智能化解译，快速获取地表不同专题信 息，并利用这些专题信息迅速地更新地理 数据库，这是实现遥感图像自动理解的基 础研究之一，也是地理信息系统中数据采 集自动化研究的一个方向，因此具有重要 的理论意义和应用前景。

第9章--遥感图像分类

基本原理同类地物在相同条件下(光照、 地形等)应该具有相同或相似的光 谱信息和空间特征信息。不同类地 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.

第9章--遥感图像分类

第9章--遥感图像分类

光谱特征

空间特征

第9章--遥感图像分类

遥感图象光谱特征 不同地物在同一波段上的亮度互不相同； 不同地物在不同波段上的亮度规律不同； 同物异谱； 异物同谱；

第9章--遥感图像分类

光谱特征向量

X [ x1, x2, , xn ]

T

第9章--遥感图像分类

地物与光谱特征空间的关系

第9章--遥感图像分类

遥感图像分类算法的核心是确定判别函数 fAB(x)和相应的判别准则。

第9章--遥感图像分类

判别函数模式识别系统最主要的功能是对要识别 的对象的类别进行判别。需要确定一定 的判别规则,即判别函数和相关的比较运 算关系.

第9章--遥感图像分类

分类方法 监督分类：事先已知类别的部分信息 非监督分类：事先没有类别的先验信息 硬分类：一个像素分为一类

软分类：一个像素分为多个类---混合像素

第9章--遥感图像分类

相似性度量遥感图像计算机分类的依据是

遥感图像 像素的相似度。在遥感图像分类过程中， 常使用距离和相关系数来衡量相似度。 距离:特征空间中象元数据和分类类别 特征的相似程度。距离最小即相似程度最 大。 度量特征空间中的距离经常采用以下几 种算法:

第9章--遥感图像分类

1.绝对值距离(等权、等混合 距离)像元k在j波段的值

d i (x k )

xj 1

n

kj

M ij类别i的在j波段均值

第9章--遥感图像分类

2. 欧氏距离

像元数据矢量

类别k的平均值矢量2

d i (x k )

(xj 1

n

kj

M ij )

距 离 分 类 原 理 图