第3章地物光譜特征與遙感數(shù)字圖像信息提取2

1、 遙感地學(xué)分析3.3.2 遙感數(shù)字圖像處理l3. 遙感數(shù)據(jù)融合u實質(zhì)在統(tǒng)一地理坐標(biāo)系中將對同一目標(biāo)檢測的多幅遙感圖像數(shù)據(jù)采用一定的算法，生成一幅新的、更能有效表示該目標(biāo)的圖像信息 u原理及過程 預(yù)處理 主要包括遙感影像的大氣校正、輻射校正及空間配準(zhǔn) 數(shù)據(jù)融合 根據(jù)融合目的和融合層次智能地選擇合適的融合算法，將空間配準(zhǔn)的遙感影像數(shù)據(jù)（或提取的圖像特征或模式識別的屬性說明）進行有機合成，得到目標(biāo)的更準(zhǔn)確表示或估計 遙感地學(xué)分析3.3.2 遙感數(shù)字圖像處理u數(shù)據(jù)融合分類 q像元級融合 像元級融合是一種最低水平的融合 q特征級融合 特征級融合是一種中等水平的融合 q決策級融合決策級融合是最高水平的融合

2、 u數(shù)據(jù)融合方法IHS變換、代數(shù)法 、Brovey變換、圖像回歸法、主成分變換（PCT）、小波變換等 遙感地學(xué)分析3.3.2 遙感數(shù)字圖像處理三級融合層次下的融合方法三級融合層次下的融合方法 像元級特征級決策級代數(shù)法熵法專家系統(tǒng)IHS變換表決法神經(jīng)網(wǎng)絡(luò)Brovey變換聚類分析Bayes估計主成分變換Bayes估計模糊聚類法回歸模型法神經(jīng)網(wǎng)絡(luò)法可靠性理論Kalman濾波法加權(quán)平均法基于知識的融合法Dempater-shafer推理法Dempater-shafer推理法 遙感地學(xué)分析n小波變換q圖像分解為不同空間分辨率、頻率特征、方向性的子信號qTM低頻代替SPOT低頻 遙感地學(xué)分析TM741Ra

3、darSatTM和RadarSat復(fù)合 遙感地學(xué)分析6.2遙感數(shù)字圖像的計算機分類n特征（feature）：在多波段圖象中，每個波段都可看作一個變量，稱為特征變量。特征變量構(gòu)成的空間稱特征空間。n特征提取(feature extraction)：找出反映地物類別差異的特征變量用于分類的過程。 遙感地學(xué)分析n遙感數(shù)字圖像分類：n依據(jù)：遙感圖像像素的相似程度q距離：距離越小相似度越大q相關(guān)系數(shù)：相關(guān)程度越大，相似度越大 遙感地學(xué)分析歐氏距離歐氏距離:N)xx(dN1k2jkikijN, 波段數(shù); dij第個i像元與第j個像元在N維空間中的距離;xik為第個k波段上第i個像元的灰度值;絕對距離絕對距

4、離:N1kjkikij|xx|d常用的距離和有關(guān)統(tǒng)計量常用的距離和有關(guān)統(tǒng)計量 遙感地學(xué)分析馬氏距離馬氏距離:2/1ji1Tjiij)xx()xx(d相關(guān)系數(shù)相關(guān)系數(shù): :n1k2jjkn1k2iikn1kjikij)xx()xx()xx( 遙感地學(xué)分析三、遙感數(shù)字圖像的分類方法三、遙感數(shù)字圖像的分類方法分類方式：監(jiān)督分類、非監(jiān)督分類分類方式：監(jiān)督分類、非監(jiān)督分類。n計算機分類基本過程計算機分類基本過程q按照識別目標(biāo),選擇相應(yīng)傳感器圖像,確定特征波段。q收集并分析相關(guān)地面參考信息（相關(guān)圖件）。q按照識別目標(biāo)和相關(guān)標(biāo)準(zhǔn)，建立分類體系（類別數(shù)）。q特征波段預(yù)處理 - 信息增強處理。q分析各個類別在特

5、征波段中的統(tǒng)計特征。q確定判別函數(shù)，逐像元進行分類識別。q分類精度驗證 - 實地驗證、間接驗證。q修改判別函數(shù)，最后分類，結(jié)果統(tǒng)計，完成報告 遙感地學(xué)分析從研究區(qū)域選取有代表性從研究區(qū)域選取有代表性的訓(xùn)練區(qū)作為樣本。根據(jù)已知訓(xùn)的訓(xùn)練區(qū)作為樣本。根據(jù)已知訓(xùn)練區(qū)提供的樣本，通過選擇特征練區(qū)提供的樣本，通過選擇特征參數(shù)（如像素亮度均值、方差參數(shù)（如像素亮度均值、方差等），建立判別函數(shù)，據(jù)此對數(shù)等），建立判別函數(shù)，據(jù)此對數(shù)字圖像待分像元進行分類，依據(jù)字圖像待分像元進行分類，依據(jù)樣本類別的特征來識別非樣本像樣本類別的特征來識別非樣本像元的歸屬類別。元的歸屬類別。(一）監(jiān)督分類 遙感地學(xué)分析n分類訓(xùn)練區(qū)：

6、已知地表覆被類型的代表樣區(qū)，分類訓(xùn)練區(qū)：已知地表覆被類型的代表樣區(qū)，用于描述主要特征類型的光譜屬性。用于描述主要特征類型的光譜屬性。n監(jiān)督分類對訓(xùn)練場地的選取要求：監(jiān)督分類對訓(xùn)練場地的選取要求：訓(xùn)練場地所包含的樣本在種類上要與待分區(qū)域訓(xùn)練場地所包含的樣本在種類上要與待分區(qū)域的類別一致。的類別一致。訓(xùn)練樣本的數(shù)據(jù)應(yīng)能夠提供各類足夠的信息和訓(xùn)練樣本的數(shù)據(jù)應(yīng)能夠提供各類足夠的信息和克服各種偶然因素的影響。克服各種偶然因素的影響。 遙感地學(xué)分析 遙感地學(xué)分析n常用的監(jiān)督分類方法：q最小距離分類法q多級切割分類法q特征曲線窗口法q最大似然分類法 遙感地學(xué)分析1. 最小距離分類法n假設(shè)N維空間存在M個類別

7、，某一像元距哪類距離最小，則判歸該類n利用訓(xùn)練樣本數(shù)據(jù)計算每一類的均值和標(biāo)準(zhǔn)差向量，以均值向量做為該類的特征空間的中心位置，計算輸入像元到各類的中心距離，到哪一類距離最小，就歸為哪一類。n分類的精度取決于訓(xùn)練樣本的準(zhǔn)確與否 遙感地學(xué)分析最小距離分類法最小距離分類法 遙感地學(xué)分析2. 多級切割分類法n 在各特征軸上設(shè)置一系列分割點（光譜特征的上、下限值）。將多維特征空間劃分成分別對應(yīng)不同分類類別的互不重疊的特征子空間。 遙感地學(xué)分析3. 特征曲線窗口n依據(jù)：相同地物在相同環(huán)境和成像條件下，其特征曲線相同或相近。n特征曲線為中心取一個條帶構(gòu)造一個窗口，反落在窗口內(nèi)地物被認為是一類。n利用光譜曲線的

8、位置、反射峰、谷的寬度、峰值的高度等 遙感地學(xué)分析4、最大似然法n建立在貝葉斯準(zhǔn)則基礎(chǔ)上，分類錯誤概率最小的一種非線性分類，是應(yīng)用比較廣泛、比較成熟的一種監(jiān)督分類方法。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。n假設(shè)每一波段的每一統(tǒng)計都呈正態(tài)分布，計算給定像元屬于某一訓(xùn)練樣本的似然度，歸并到似然度最大的一類n訓(xùn)練數(shù)據(jù)至少為特征維數(shù)2-3倍，來取得較高精度的均值、方差、協(xié)方差 遙感地學(xué)分析最大似然法最大似然法 遙感地學(xué)分析 遙感地學(xué)分析原始圖象 分類圖象 遙感地學(xué)分析總結(jié)：總結(jié)：n 監(jiān)督分類中，訓(xùn)練樣本的質(zhì)量決定了分類樣本監(jiān)督分類中，訓(xùn)練樣本的質(zhì)量決定了分類樣本精度，

9、用于圖象分類的訓(xùn)練區(qū)的統(tǒng)計結(jié)果，一精度，用于圖象分類的訓(xùn)練區(qū)的統(tǒng)計結(jié)果，一定要充分反映每種信息類型中光譜類別的所有定要充分反映每種信息類型中光譜類別的所有組成。組成。n 樣本的采集要具有代表性、完整性，盡量采集樣本的采集要具有代表性、完整性，盡量采集多個樣區(qū)。多個樣區(qū)。 遙感地學(xué)分析 根據(jù)事先指定的某一準(zhǔn)則，而進行計算機自動判根據(jù)事先指定的某一準(zhǔn)則，而進行計算機自動判別歸類，無須人為干預(yù)，分類后需確定地面類別。別歸類，無須人為干預(yù)，分類后需確定地面類別。 在在非監(jiān)督分類中，先確定光譜可分的類別，然后定義它非監(jiān)督分類中，先確定光譜可分的類別，然后定義它們的信息類。們的信息類。（二）非監(jiān)督分類 遙

10、感地學(xué)分析常用非監(jiān)督分類方法1 1、分級集群法、分級集群法(K-mean)(K-mean)2 2、動態(tài)聚類法（、動態(tài)聚類法（ISODATAISODATA） 遙感地學(xué)分析1、K-mean K-MeansK-Means算法通過計算樣本數(shù)據(jù)點之間的邏輯距離算法通過計算樣本數(shù)據(jù)點之間的邏輯距離來判斷某個樣本數(shù)據(jù)點屬于哪一個簇，使簇內(nèi)的點有來判斷某個樣本數(shù)據(jù)點屬于哪一個簇，使簇內(nèi)的點有較大的相似度，而簇間的點有較小的相似度。較大的相似度，而簇間的點有較小的相似度。n算法運行中，要反復(fù)掃描所有樣本數(shù)據(jù)點，要計算每個非中心數(shù)據(jù)點與某個聚類中心點的距離，并將這個數(shù)據(jù)點歸為與其距離最小的那個聚類中心對應(yīng)的簇之中

11、。每掃描一次就要重新計算每個聚類中心點的位置。n當(dāng)聚類中心點的位置變化在一定的閾值之內(nèi)的時候停止處理，最后就可以得到K個簇。 遙感地學(xué)分析處理流程 (1)(1)確定評價各樣本相似程度所使用指標(biāo)；確定評價各樣本相似程度所使用指標(biāo)； (2) (2) 初定分類總數(shù)初定分類總數(shù)(3) (3) 計算樣本見距離，判定樣本歸并到不同類計算樣本見距離，判定樣本歸并到不同類(4)(4)歸并后的類作為新類，與剩余類重新組合，然后歸并后的類作為新類，與剩余類重新組合，然后在計算并改正其距離。在計算并改正其距離。缺點：類別數(shù)提前設(shè)定后不能調(diào)整缺點：類別數(shù)提前設(shè)定后不能調(diào)整 遙感地學(xué)分析2 2、ISODATA(ISOD

12、ATA(迭代自組織數(shù)據(jù)分類迭代自組織數(shù)據(jù)分類) )ISODATA，即：，即：Iteractive Self-Organizing Data Analysis Technique）ISODATAISODATA分類分類在初始設(shè)定基礎(chǔ)上，在分類過程中在初始設(shè)定基礎(chǔ)上，在分類過程中根據(jù)一定原則不斷重新計算類別總數(shù)、類別中心，根據(jù)一定原則不斷重新計算類別總數(shù)、類別中心，使分類結(jié)果逐漸趨于合理，直到滿足一定條件分使分類結(jié)果逐漸趨于合理，直到滿足一定條件分類完畢。類完畢。 遙感地學(xué)分析分類過程1. 1. 確定最初類別數(shù)和類別中心確定最初類別數(shù)和類別中心; ;2. 2. 計算每個像元與各初始聚類中心的距離計算

13、每個像元與各初始聚類中心的距離; ;3. 3. 選與其中心距離最近的類別作為這一像元的選與其中心距離最近的類別作為這一像元的 所屬類別所屬類別; ;4. 4. 計算新的類別均值向量計算新的類別均值向量; ;5. 5. 比較新的類別均值與原中心位置的變化比較新的類別均值與原中心位置的變化, , 形形 成新的聚類中心成新的聚類中心; ; 重復(fù)重復(fù)2, 2, 反反 復(fù)迭代復(fù)迭代; ;6. 6. 如聚類中心不再變化如聚類中心不再變化, , 停止計算。停止計算。 遙感地學(xué)分析原始的聚類中心原始的聚類中心第第1 1次迭代后的類別分布次迭代后的類別分布聚類過程聚類過程: : 類別中心的變化類別中心的變化 遙

14、感地學(xué)分析第2次迭代后的類別分布第n次迭代后的類別分布 遙感地學(xué)分析TM4-3-2假彩色合成圖像非監(jiān)督分類結(jié)果: 15個光譜類非監(jiān)督分類非監(jiān)督分類 遙感地學(xué)分析4-3-2假彩色合成圖象(香港九龍) 分類結(jié)果(10類) 遙感地學(xué)分析結(jié)果合并(5類) 最終結(jié)果 (類別顏色改變) 遙感地學(xué)分析n監(jiān)督分類、非監(jiān)督分類比較：q根本區(qū)別在于是否利用訓(xùn)練場地來獲取先驗的類別知識q監(jiān)督分類的關(guān)鍵是選擇訓(xùn)練場地。訓(xùn)練場地要有代表性，樣本數(shù)目要能夠滿足分類要求。有時這些不易做到，此為監(jiān)督分類的不足之處q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。當(dāng)兩地物類型對應(yīng)的光譜特征差異很小時，分類效果不如

15、監(jiān)督分類效果好。 遙感地學(xué)分析方法方法優(yōu)點優(yōu)點缺點缺點適用范圍適用范圍監(jiān)督分類監(jiān)督分類 精確度高精確度高, ,準(zhǔn)準(zhǔn)確性好確性好, ,與實與實際類別吻合較際類別吻合較好好工作量大工作量大有先驗知識時有先驗知識時使用該方法使用該方法非監(jiān)督分類非監(jiān)督分類工作量小工作量小, ,易易于實現(xiàn)于實現(xiàn)分類結(jié)果與實分類結(jié)果與實際類別相差較際類別相差較大大, ,準(zhǔn)確性差準(zhǔn)確性差在沒有類別先在沒有類別先驗知識時使用驗知識時使用該方法該方法 遙感地學(xué)分析 (三)遙感圖像分類中的若干問題n 未充分利用遙感圖像提供的多種信息，如空間未充分利用遙感圖像提供的多種信息，如空間關(guān)系、圖型如河流和湖泊、紋理特征等。關(guān)系、圖型如河

16、流和湖泊、紋理特征等。n 提高遙感圖像分類精度受到限制提高遙感圖像分類精度受到限制大氣狀況的影響（吸收、散射）大氣狀況的影響（吸收、散射）下墊面的影響（下墊面的影響（混合像元問題、地形因素的影響混合像元問題、地形因素的影響）其他因素的影響（云霧、多時相圖像、邊界）其他因素的影響（云霧、多時相圖像、邊界）n 其他其他同同物異譜：同類地物具有不同的光譜特征物異譜：同類地物具有不同的光譜特征同同譜異物：不同的地物可能具有相似的光譜特征。譜異物：不同的地物可能具有相似的光譜特征。 遙感地學(xué)分析（四）其它的一些方法決策樹分類法、人工神經(jīng)網(wǎng)絡(luò)分類法、模糊分類法決策樹分類法、人工神經(jīng)網(wǎng)絡(luò)分類法、模糊分類法、

17、亞像元分類法亞像元分類法(subpixel classification(subpixel classification) )、其他、其他分分類法等類法等 根據(jù)經(jīng)驗和專家知識獲取如下規(guī)則：Class1（緩坡植被）:NDVI0.3, slope0.3, slope=20, 90=aspect0.3, slope=20, , aspect270Class4（水體）：NDVI=0.3, 0Class5（裸地）：NDVI=20Class6（無數(shù)據(jù)區(qū)，背景）: NDVI=0.3, b4=0注：其中，NDVI為歸一化植被指數(shù)；slope為坡度；aspect為坡向；bN代表第N個波段 遙感地學(xué)分析 遙感地學(xué)分析3.4 遙感數(shù)字圖像信息定量反演l遙感圖像信息定量反演的原理l遙感圖像信息定量反演方法l遙感地表參數(shù)反演 遙感地學(xué)分析 遙感地學(xué)分析 遙感地學(xué)分析 遙感地學(xué)分析n