《遙感圖像分類》PPT課件.ppt

第九章 遙感圖像分類,本章教學目的及要求：了解遙感圖像的計算機分類基本原理、遙感圖像的計算機分類一般過程；掌握非監(jiān)督分類、監(jiān)督分類。 本章教學重點及難點：如何應(yīng)用非監(jiān)督、監(jiān)督分類對遙感數(shù)字圖像進行分類處理，分類結(jié)果的Kappa系數(shù)評價方法。,本章提要,9.1 概述 9.2 相似性度量 9.3 工作流程 9.4 監(jiān)督分類 9.5 非監(jiān)督分類 9.6 專家系統(tǒng)分類 9.7 分類精度分析 9.8 分類后處理,9.1.1 基本原理 同類地物在相同的條件下(光照、地形等)應(yīng)該具有相同或相似的光譜信息和空間信息特征。不同類的地物之間具有差異根據(jù)這種差異，將圖像中的所有像素按其性質(zhì)分為若干個類別(Class)的過程，稱為圖像的分類。,9.1 概述,9.1.2 分類方法 根據(jù)是否需要分類人員事先提供已知類別及其訓練樣本，可將遙感圖像分類方法劃分為監(jiān)督分類(Supervised Classification)和非監(jiān)督分類(Unsupervised Classification)。 根據(jù)一個像素被分到一個類還是多個類，可將遙感圖像分類方法分為硬分類(hard classification)和軟分類(soft classification)。圖像上的一個像素只能被分到一個類的分類方法稱為硬分類。,9.1 概述,遙感圖像計算機分類的依據(jù)是遙感圖像像素的相似度。常使用距離來衡量相似度。 距離是常用的相似性度量的概念。分類是確定像素距離哪個點群中心較近，或落入哪個點群范圍可能性大的問題。像素與點群的距離越近，那么，屬于該點群的可能性越高。,9.2 相似性度量,9.3 工作流程,自動識別分類,監(jiān)督分類法,非監(jiān)督分類法,1.確定工作范圍,2.多源圖像的幾何配準,3.噪聲處理,4.輻射校正,5.幾何精糾正,6.多圖像融合,7,9.4 監(jiān)督分類,概念：選擇具有代表性的典型實驗區(qū)或訓練區(qū)，用訓練區(qū)中已知地面各類地物樣本的光譜特性來“訓練”計算機，再按一定的統(tǒng)計判別規(guī)則對未知地區(qū)的像元進行分類處理，進行自動分類的方法。 基本過程：首先根據(jù)已知的樣本類別和類別的先驗知識確定判別準則，計算判別函數(shù)，然后將未知類別的樣本值代入判別函數(shù)，依據(jù)判別準則對該樣本所屬的類別進行判定。,9.4 監(jiān)督分類,訓練區(qū)的選擇： 訓練區(qū)在遙感處理系統(tǒng)中被稱為“感興趣區(qū)”。在ENVI系統(tǒng)中，該區(qū)域稱為ROI，在ERDAS系統(tǒng)中稱為AOI。本文使用ROI表示訓練區(qū)。 要有代表性（目標地物中心較大的區(qū)域選取） 數(shù)目要包含足夠的信息,最大似然比分類法(Maximum Likelihood) 通過求出每個像素對于各類別的歸屬概率，把該像素分到歸屬概率最大的類別中去的方法。,9.4 監(jiān)督分類,原始圖像,分類圖像,優(yōu)點： 根據(jù)應(yīng)用目的和區(qū)域，有選擇的決定分類類別，避免出現(xiàn)一些不必要的類別； 可以通過檢查訓練樣本來決定訓練樣本是否被精確分類，從而避免分類中的嚴重錯誤； 分類速度快。,監(jiān)督分類的優(yōu)缺點：,缺點： 主觀性 由于圖像中間類別的光譜差異，使訓練樣本沒有很好的代表性； 訓練樣本的獲取和評價花費較多的人力時間； 只能識別訓練中定義的類別。,9.4 監(jiān)督分類,根據(jù)事先指定的某一準則，讓計算機自動進行判別歸類，無需人為干預，分類后需確定地面類別。在非監(jiān)督分類中，先確定光譜可分的類別（光譜類）然后定義它們的信息類。,9.5 非監(jiān)督分類,特點 不需要訓練樣本，先分類 分類后再對各類別賦予屬性 自動化程度高 完全按照像元的光譜信息特征進行分類，適用于對分類區(qū)不了解的情況,9.5 非監(jiān)督分類,常用非監(jiān)督分類算法 1、K-均值分類算法（分級集群法） 2、ISODATA分類算法（動態(tài)聚類法）,9.5 非監(jiān)督分類,當同類物體聚集分布在一定的空間位置上，他們在同樣條件下應(yīng)具有相同的光譜信息特征，這時其他類別的物體應(yīng)聚集分布在不同的空間位置上。 由于不同地物的輻射特征不同，反映在直方圖上會出現(xiàn)很多峰值及其對應(yīng)的眾數(shù)灰度值，他們在圖像上對應(yīng)的像元分別傾向于聚集在各自不同的眾數(shù)附近的灰度空間形成的很多點群，這些點群就叫做集群。一個集群就是一種分類。,（1）K-均值分類算法（分級集群法）,9.5 非監(jiān)督分類,在初始狀態(tài)給出圖像粗糙的分類，然后基于一定原則在類別間重新組合樣本，直到分類比較合理為止。 ISODATA（Interative-Orgnizing Data Analysize Technique 迭代自組織數(shù)據(jù)分析技術(shù)）方法不僅可以通過調(diào)整樣本所屬類別完成聚類，而且可以自動的進行類別的合并與分裂，從而得到類別比較合理的聚類結(jié)果。,（2）ISODATA分類算法（動態(tài)聚類法）,9.5 非監(jiān)督分類,4-3-2原始圖像,分類結(jié)果(10類),最終結(jié)果,結(jié)果合并(5類),9.5 非監(jiān)督分類,根本區(qū)別在于是否利用訓練場地來獲取先驗的類別知識。 監(jiān)督分類的關(guān)鍵是選擇訓練場地。訓練場地要有代表性，樣本數(shù)目要能夠滿足分類要求。此為監(jiān)督分類的不足之處。 非監(jiān)督分類不需要更多的先驗知識，據(jù)地物的光譜統(tǒng)計特性進行分類，分類方法簡單。當兩地物類型對應(yīng)的光譜特征差異很小時，分類效果不如監(jiān)督分類效果好。,3、監(jiān)督分類與非監(jiān)督分類方法比較,9.5 非監(jiān)督分類,遙感圖像解譯專家系統(tǒng)是模式識別與人工智能技術(shù)相結(jié)合的產(chǎn)物。,9.6 專家系統(tǒng)分類,遙感圖像解譯專家系統(tǒng)的組成： 圖像處理與特征提取子系統(tǒng) 遙感圖像解譯知識獲取系統(tǒng) 狹義的遙感圖像解譯專家系統(tǒng),9.7.1 碎斑處理 指去掉分類圖中過于孤立的那些類的像素，或把它們歸并到包圍相鄰的較連續(xù)分布的那些類。 基本思想大體上是給每個類規(guī)定一個應(yīng)保留的最小連片像素數(shù)，然后將小于此數(shù)的孤立像素合并到與其相鄰的或包圍它的較大的連片像素類中。,9.7 分類后處理,9.7.2 類別合并 非監(jiān)督分類前不知道實際有多少地類，在策略上總是先分出較多的類，然后對照實地情況或根據(jù)己有知識，確定最后需要的類別。 分類后處理中的類合并處理，在ENVI中是對類進行合并的一部分，在ERDAS中叫做重編碼。其基本思想是將要合并的兩個或兩個以上類的編碼和顏色改為相同的編碼和顏色。,9.7 分類后處理,9.7.3 分類結(jié)果統(tǒng)計 分類結(jié)果統(tǒng)計是圖像分類報告中必須包含的內(nèi)容，包括各類在各波段的平均值、標準差、最低值、最高值、協(xié)方差矩陣、相關(guān)系數(shù)矩陣、特征值、各類的像素數(shù)和占總像素數(shù)的百分比、精度檢驗等。 根據(jù)這些統(tǒng)計參數(shù)可以繪制各類的光譜曲線，計算相應(yīng)的植被指數(shù)等。,9.7 分類后處理,1.混淆矩陣 混淆矩陣(Confusion Matrix)是由n行n列組成的矩陣，用來表示分類結(jié)果的精度。這里，n代表類別數(shù)。,9.8 分類精度分析,2.Kappa系數(shù) Kappa系數(shù)是一個測定兩幅圖之間吻合度或精度的指標。,9.8 分類精度分析,1、多波段遙感數(shù)字圖像最初分發(fā)時，通常采用哪幾種數(shù)據(jù)存貯格式？ 2、遙感圖像分類方法有哪幾類？并簡述每種方法的分類過程。 3、比較監(jiān)督分類與非監(jiān)督分類的優(yōu)缺點。 4、什么是專家系統(tǒng)？它由哪幾個組成部分？,思考題,比較監(jiān)督分類與非監(jiān)督分類的優(yōu)缺點。 根本區(qū)別在于是否利用訓練場地來獲取先驗的類別知識。 監(jiān)督分類優(yōu)點：簡單實用，運算量小。缺點：受訓練場地個數(shù)和訓練場典