第六章遙感圖像處理3.doc

第六章 遙感圖像處理6-4遙感圖像的分類(lèi)一般原理：圖像分類(lèi)，或叫多波段、多變量分類(lèi)，是把一幅多維圖像中的每個(gè)點(diǎn)或區(qū)域內(nèi)歸屬于若干類(lèi)別中的一類(lèi)，或若干個(gè)專(zhuān)題要素中的一種。一幅多維圖像（通常是多波段圖像）是由一組反映地物屬性的變量數(shù)值（亮度值）組成的。不同種類(lèi)的地物在反射或發(fā)射電磁波的能力方面有明顯差異，構(gòu)成不同的反射或發(fā)射光譜。由于地物成分、性質(zhì)、分布情況的復(fù)雜性及成像條件等因素，同一類(lèi)地物的波譜樣式并不完全相同，不通地物的地波譜樣式之間的差別也不是截然分開(kāi)的，因而，圖像分類(lèi)的方法一般都是建立在統(tǒng)計(jì)分析的基礎(chǔ)之上的。遙感圖形上的像元亮度值代表了不同地物的波譜特性，屬于同種類(lèi)型的地物總是以某種特征值為中心，有規(guī)律的分布在多維空間內(nèi)，通過(guò)計(jì)算機(jī)對(duì)像元數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、對(duì)比和歸納，可在某種程度上實(shí)現(xiàn)對(duì)地物的分類(lèi)和識(shí)別。一、 多光譜域中的圖像變換在遙感數(shù)字圖像計(jì)算機(jī)分類(lèi)處理之前，通常要實(shí)施一些遙感圖像在多光譜域中的變換，稱(chēng)為分類(lèi)前的預(yù)處理。其目的是進(jìn)行數(shù)據(jù)壓縮和特征選擇。變換后所得的新圖像，稱(chēng)為特征圖像。大多數(shù)變換的目的是提高信息的表達(dá)。變換后的圖像通常比原始圖像更易于解譯。在遙感實(shí)踐中常見(jiàn)的變換有： 1主分量變換主分量變換/主成分分析/K-L變換，用多波段數(shù)據(jù)的一個(gè)線性變換，變換數(shù)據(jù)到一個(gè)新的坐標(biāo)系統(tǒng)，以使數(shù)據(jù)的差異達(dá)到最大。變換前，類(lèi)別信息與噪聲信息混合均攤在兩波段g1，g2圖像上，實(shí)行主分量變換的幾何意義就是把原始特征空間的特征軸旋轉(zhuǎn)到平行于混合集群結(jié)構(gòu)軸方向上去，這樣，變化后大部分信息都投影在g1波段上，此時(shí)即可舍棄g2波段不用，這樣就相當(dāng)于減少了一半的數(shù)據(jù)量。g2 g1g2 g1這一技術(shù)對(duì)于增強(qiáng)信息含量、隔離噪聲、減少數(shù)據(jù)維數(shù)非常有用，進(jìn)行主分量變換的關(guān)鍵是找到變換軸的方向，因此，要計(jì)算多波段圖像亮度值的協(xié)方差矩陣及其特征值和相應(yīng)的特征向量，進(jìn)而根據(jù)組成的主分量變換矩陣，實(shí)施主分量變換。變換算法：X=X*AT，A為n*n變換矩陣。2哈達(dá)碼變換利用哈達(dá)碼矩陣作為變換矩陣所實(shí)施的遙感圖像多光譜變換。哈達(dá)碼矩陣具有不同的維數(shù)，X=X*H，二維的哈達(dá)碼矩陣實(shí)際是使坐標(biāo)軸旋轉(zhuǎn)45的正交變換。3穗帽變換穗帽變換/ K-T變換，（Kauth和Thomas）不是由嚴(yán)格的理論體系推導(dǎo)而產(chǎn)生的，而是基于對(duì)Landsat的大量MSS圖像統(tǒng)計(jì)研究中提出的，其實(shí)質(zhì)與主分量變換一致。他的原理是基于如下的統(tǒng)計(jì)事實(shí)：（1）通過(guò)對(duì)大量的LandsatMSS圖像（不同季節(jié)、不同地區(qū)、不同年份）的統(tǒng)計(jì)研究后，發(fā)現(xiàn)把各種土壤和各種植被按他們?cè)陉懙匦l(wèi)星圖像四個(gè)波段（B4、B5、B6、B7）中的亮度值（x4、x5、x6、x7）投影到光譜特征空間中時(shí)，總是落在一個(gè)形似三角形帽狀的集群范圍內(nèi)。 x6 IGV IY ISB x7 IN x5 x4（2）其中，各種土壤地物特征點(diǎn)的分布比較集中在“帽”底，并且隨著土壤反射亮度的不同，而沿著一條通過(guò)特征空間遠(yuǎn)點(diǎn)的輻射線散布,該輻射線稱(chēng)為“土壤背景”軸，記為ISB(Soil Background axis)。（3）同時(shí)，各種植被地物特征點(diǎn)的分布比較集中在“帽”空間中。當(dāng)植被的發(fā)展階段變化時(shí)，如幼苗期、發(fā)展期、成熟期和枯黃期等，特征點(diǎn)的分布是沿著垂直于“帽”底面的軸線發(fā)展的，植被愈綠越接近于“帽”頂，越黃越接近于“帽”底。該分布軸被稱(chēng)為“綠色植被”軸，記為IGV(Green Vegetation axis)；當(dāng)植被由綠色開(kāi)始成熟并發(fā)展為枯黃時(shí)，其特征的點(diǎn)的變化是從“帽”頂沿著一些被稱(chēng)為“帽穗”的軌跡逐漸向“帽”底下降，由此得到“穗帽”的名稱(chēng)。根據(jù)以上事實(shí)，可以把ISB、IGV以及另外設(shè)兩個(gè)正交軸IY（黃軸）和IN（噪聲軸）定為帽形集群的結(jié)構(gòu)軸，設(shè)法找到一個(gè)變換矩陣A，用于把原始特征空間的四軸線旋轉(zhuǎn)值平行于帽形集群的結(jié)構(gòu)軸，則構(gòu)成了穗帽變換。Kauth和Thomas研究出的矩陣A有如下形式：0.4330.6320.5860.264-0.290-0.5620.6000.491-0.8240.533-0.0500.1850.2230.012-0.5430.8094比值變換多光譜域中的比值變換的一般形式可表達(dá)為：ai,bi權(quán)系數(shù)，xi第i波段圖像中的影像亮度值（1）簡(jiǎn)單比值變換：任意兩個(gè)波段的圖像進(jìn)行比值處理，實(shí)際上實(shí)際上對(duì)不同集群實(shí)現(xiàn)不同程度的壓縮或拉伸，達(dá)到特征增強(qiáng)的目的。（2）生物量指標(biāo)變換：二、遙感影像的分類(lèi)遙感圖像的分類(lèi)在數(shù)學(xué)上可歸結(jié)為選擇判別函數(shù)，或叫建立地物的數(shù)學(xué)模型。常用的判別函數(shù)有：判別函數(shù)（判別距離函數(shù)）和概率判別函數(shù)。判別函數(shù)或數(shù)學(xué)模型的建立有兩種方式:一種是從已知出發(fā)，確定分類(lèi)參數(shù)；另一種是從圖像出發(fā)，根據(jù)數(shù)據(jù)分布規(guī)律總結(jié)判別函數(shù)，由此引出兩種分類(lèi)處理方法：監(jiān)督分類(lèi)和非監(jiān)督分類(lèi)。1監(jiān)督分類(lèi)監(jiān)督分類(lèi)法又稱(chēng)訓(xùn)練場(chǎng)地法，先選擇有代表性的試驗(yàn)區(qū)（訓(xùn)練場(chǎng)地），用已知的地物波譜特征來(lái)訓(xùn)練計(jì)算機(jī)，取得識(shí)別地物的判別分類(lèi)規(guī)則，并以此為標(biāo)準(zhǔn)對(duì)未知區(qū)進(jìn)行自動(dòng)分類(lèi)。已知未知；其工作程序?yàn)椋?選擇有代表性的訓(xùn)練場(chǎng)地，并對(duì)訓(xùn)練場(chǎng)地的各種已知地物的反射、發(fā)射光譜特性，進(jìn)行統(tǒng)計(jì)計(jì)算，取得區(qū)別不同類(lèi)型地物的統(tǒng)計(jì)數(shù)據(jù)和判別條件，并確立判別規(guī)則（模式）。2輸入未知地區(qū)數(shù)字圖象的數(shù)據(jù)，由計(jì)算機(jī)統(tǒng)計(jì)計(jì)算出各種統(tǒng)計(jì)數(shù)據(jù)，如平均數(shù)、方差等。3用計(jì)算機(jī)進(jìn)行已知地區(qū)和未知地區(qū)數(shù)據(jù)的對(duì)比，根據(jù)概率統(tǒng)計(jì)理論，將未知地區(qū)的每個(gè)象元納入已知地區(qū)的一種地物類(lèi)型之列。最后打印輸出或自動(dòng)成圖，即得到未知地區(qū)的分類(lèi)結(jié)果。監(jiān)督分類(lèi)比較簡(jiǎn)單實(shí)用，運(yùn)算量較少，但是事先必須建立各種已知地物（或標(biāo)志）的參數(shù)或特征函數(shù)，這是關(guān)系到分類(lèi)識(shí)別成敗的關(guān)鍵。因此，樣本參數(shù)及特征函數(shù)的確立必須具有代表性，要有足夠樣本的統(tǒng)計(jì)數(shù)據(jù)作為基礎(chǔ)。另外，應(yīng)注意到由于環(huán)境的復(fù)雜性，以及干擾因素的多樣性和隨機(jī)性，由訓(xùn)練場(chǎng)地取得的光譜特征，只能代表一定時(shí)間和一定地區(qū)的情況。所以必須選擇和使用多個(gè)訓(xùn)練場(chǎng)地，才能有效識(shí)別。2非監(jiān)督分類(lèi)非監(jiān)督分類(lèi)又稱(chēng)邊學(xué)習(xí)邊分類(lèi)法，因?qū)ρ芯繀^(qū)情況一無(wú)所知，只好先對(duì)像元數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。依據(jù)每一類(lèi)型地物應(yīng)具有相似性特征，把反映地物類(lèi)型的特征值分布按相似分割和概率統(tǒng)計(jì)理論，歸并呈相對(duì)的空間群體。即，將分割結(jié)果歸納到與波段數(shù)據(jù)相等的多維空間內(nèi)的若干個(gè)集群中，然后根據(jù)野外調(diào)查確定每個(gè)集群的含義。未知已知；其工作程序?yàn)椋? 對(duì)輸入的每個(gè)象元點(diǎn)的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)計(jì)算。2 選定某一種比較模式或判別方法，如最小距離法、圖象識(shí)別法等。3 依據(jù)確