遙感圖像計(jì)算機(jī)自動(dòng)識(shí)別課件

0

遙感圖像

計(jì)算機(jī)自動(dòng)識(shí)別0遙感圖像

計(jì)算機(jī)自動(dòng)識(shí)別1判讀：

對(duì)遙感圖像上的各種特征進(jìn)行綜合分析、比較、推理和判斷，以提取出所感興趣的信息。目視判讀自動(dòng)判讀遙感圖像自動(dòng)判譯專家系統(tǒng)

圖像識(shí)別（判讀）的本質(zhì)是分類，分好類了，結(jié)合對(duì)照地面類型便可對(duì)圖像進(jìn)行識(shí)別。1判讀：對(duì)遙感圖像上的各種特征進(jìn)行綜合分析、比較、2主要內(nèi)容：概念基本原理分類過程概率統(tǒng)計(jì)的分類方法2主要內(nèi)容：概念3遙感圖像的計(jì)算機(jī)分類，是通過模式識(shí)別理論，利用計(jì)算機(jī)將遙感圖像中的像素自動(dòng)分成若干種地物類別的方法。是圖像信息提取的重要途徑。遙感數(shù)據(jù)地物信息土地覆蓋/土地利用分類、森林類型、植被類型、巖性類型、……一、概念3遙感圖像的計(jì)算機(jī)分類，是通過模式識(shí)別理論，利用計(jì)算機(jī)將遙感4當(dāng)前多數(shù)計(jì)算機(jī)圖像處理系統(tǒng)，均利用圖像的光譜信息特征進(jìn)行統(tǒng)計(jì)識(shí)別分類，色調(diào)信息是其依據(jù)，目視解譯中的邏輯推理法只有在能模擬人類對(duì)信息的觀察，分析及經(jīng)過大腦加工的條件下，才能應(yīng)用與計(jì)算機(jī)圖像識(shí)別。4當(dāng)前多數(shù)計(jì)算機(jī)圖像處理系統(tǒng)，均利用圖像的光譜信息特征進(jìn)行統(tǒng)5二、基本原理模式識(shí)別理論模式：某種事物的標(biāo)準(zhǔn)形式。不同類別的事物具有不同的模式；相同類別的事物模式相同或相近。模式識(shí)別：對(duì)待識(shí)別的模式做一系列的測(cè)量，并將測(cè)量結(jié)果與“模式字典”中一組典型的測(cè)量值相比較；若和字典中某一“詞目”的比較結(jié)果是“吻合”或“較吻合”，則將待分類模式歸為該類。模式識(shí)別系統(tǒng)5二、基本原理模式識(shí)別理論6遙感圖像自動(dòng)分類——模式識(shí)別理論的應(yīng)用理論依據(jù)：不同的地物具有不同的光譜特征（數(shù)字圖像上的光譜差異性）；同類地物具有相同或相似的光譜特征（數(shù)字圖像上的光譜相似性）。目標(biāo)：給圖像中的每個(gè)像元一個(gè)類別。6遙感圖像自動(dòng)分類——模式識(shí)別理論的應(yīng)用71、模式（Pattern）：即像元模式，指每個(gè)像元在多波段圖像中對(duì)應(yīng)的一組值。

2、特征（Feature）：在多波段圖像中，每個(gè)波段可看作一個(gè)變量，稱為特征變量。波段：光譜波段、派生波段（紋理、上下文關(guān)系、波段比等）、輔助數(shù)據(jù)（非遙感數(shù)據(jù)，如DEM、土壤類型等）。遙感圖像自動(dòng)分類71、模式（Pattern）：即像元模式，指每個(gè)像元在多波段83、特征空間：多個(gè)特征可構(gòu)成多維特征空間。

每個(gè)像元對(duì)應(yīng)特征空間中的一個(gè)點(diǎn)圖11-2地物與光譜特征空間的關(guān)系4、同類地物所對(duì)應(yīng)像元在特征空間中呈點(diǎn)集群分布。一個(gè)點(diǎn)群代表何類地物，可以通過和已知地物類別相比較的方法解決；或通過實(shí)地抽樣檢查的方法來解決。83、特征空間：多個(gè)特征可構(gòu)成多維特征空間。圖11-2地9三維光譜特征空間5、特征點(diǎn)集群在特征空間中的分布：

理想情況：不同類別地物的集群至少在一個(gè)特征子空間中的投影是完全可以相互區(qū)分的。

典型情況：不同類別地物的集群，在任一子空間中都有相互重疊的現(xiàn)象，但在總的特征空間中是可以完全區(qū)分的。

一般情況：無論在總的特征空間中，還是在任一子空間中，不同類別的集群之間總是存在重疊現(xiàn)象。9三維光譜特征空間5、特征點(diǎn)集群在特征空間中的分布：10

位置——是一個(gè)點(diǎn)群的中心，計(jì)算圖象灰度的均值向量（即數(shù)學(xué)期望）；范圍——計(jì)算圖象灰度的標(biāo)準(zhǔn)差向量（或協(xié)方差矩陣），即點(diǎn)群的離散程度；

邊界——應(yīng)用判別函數(shù)（或邊界函數(shù)）鑒別圖象像元的類別歸屬。

6、計(jì)算機(jī)分類時(shí)，只要能確定地物類別在特征空間中的位置、范圍和地物類別的邊界就完成了分類的任務(wù)。10位置——是一個(gè)點(diǎn)群的中心，計(jì)算圖象灰度的均值向11三、分類過程

預(yù)處理（大氣校正、幾何校正、配準(zhǔn)）特征選擇（提?。┓诸惡筇幚砗途仍u(píng)價(jià)制作分類專題圖11三、分類過程預(yù)處理（大氣校正、幾何校正、配準(zhǔn)）12特征選擇（FeatureSelection）

即在所有的特征影像中，選擇一組最佳的用來分類的特征影像的過程。

結(jié)合影像本身的特征，針對(duì)所希望區(qū)分的類別問題進(jìn)行選擇。用定量的方法選擇：距離測(cè)度散布矩陣測(cè)度類內(nèi)散布矩陣類間散布矩陣總體散布矩陣12特征選擇（FeatureSelection）13特征提?。‵eatureExtraction）

將原有的m個(gè)測(cè)量值集合通過某種變換，產(chǎn)生n（小于m）個(gè)相關(guān)性更弱的、使類別間差異更加明顯的新特征，從而改善分類的效果。

主分量變換哈達(dá)馬變換穗帽變換比值變換和生物量指標(biāo)變換13特征提?。‵eatureExtraction）14遙感圖像14遙感圖像15自動(dòng)分類結(jié)果15自動(dòng)分類結(jié)果16分類專題圖分類專題圖16分類專題圖分類專題圖17四、分類方法（一）監(jiān)督分類--訓(xùn)練分類法

SupervisedClassification分析者在圖像上對(duì)每一種類別選取一定數(shù)量的訓(xùn)練區(qū)，通過所選擇代表各類別的已知樣本(訓(xùn)練區(qū))的像元光譜特征，事先取得各類別的參數(shù)，確定判別函數(shù)和相應(yīng)的判別規(guī)則，從而進(jìn)行分類。17四、分類方法（一）監(jiān)督分類--訓(xùn)練分類法18判別函數(shù)

描述某一未知類別的像元模式屬于某個(gè)類別的情況的函數(shù)，如屬于某個(gè)類別的條件概率。不同的類別有各自不同的判別函數(shù)。判別規(guī)則對(duì)像元模式所屬類別進(jìn)行判斷的依據(jù)。對(duì)某一未知類別的像元模式計(jì)算出在各個(gè)不同類別的判別函數(shù)中的值后，就可用判別規(guī)則來判定其所屬類別。分類基本思想地物類別與特征空間中的區(qū)域相聯(lián)系；類別劃分就相當(dāng)于用合適的邊界對(duì)特征空間進(jìn)行區(qū)域劃分；判斷像素的類型實(shí)際上是看其所對(duì)應(yīng)的特征矢量落入特征空間的哪個(gè)區(qū)域。

18判別函數(shù)判別規(guī)則分類基本思想191、最大似然法基本思想：樣區(qū)內(nèi)的各類別集群在光譜特征空間中的概率分布函數(shù)為先驗(yàn)已知，對(duì)于樣區(qū)外的任一未知像元，分別計(jì)算它落于各類別區(qū)域內(nèi)的概率，其概率值最大的相應(yīng)類別就是該像元應(yīng)屬的類別。建立在貝葉斯準(zhǔn)則的基礎(chǔ)上，錯(cuò)分概率最小的一種方法。191、最大似然法基本思想：樣區(qū)內(nèi)的各類別集群在光譜特征空間20為類出現(xiàn)的概率，先驗(yàn)概率；為類中出現(xiàn)Ｘ的條件概率，似然概率；為Ｘ屬于類的后驗(yàn)概率。概率判別函數(shù)：某特征矢量Ｘ落入某類集群的條件概率。根據(jù)貝葉斯準(zhǔn)則，有：貝葉斯判別規(guī)則：若對(duì)于所有可能的ｊ＝1，2，…，m；（j不等于i）有，則X屬于類。20為類出現(xiàn)的概率，先驗(yàn)概率；概率判別函數(shù)：根據(jù)貝葉斯準(zhǔn)21類的概率分布計(jì)算：假設(shè)同類地物在特征空間服從正態(tài)分布21類的概率分布計(jì)算：2222232、最小距離法基本思想是計(jì)算未知類別的特征矢量X到各類別集群之間的距離，哪類離它最近，X就屬于哪類。判別函數(shù)

判別規(guī)則若對(duì)于所有的比較類j=1，2，…，m；（j不等于i），有，則X屬于第類。232、最小距離法基本思想是計(jì)算未知類別的特征矢量X到各類別24距離判別函數(shù)1、馬氏距離2、歐氏距離3、計(jì)程距離4、…24距離判別函數(shù)1、馬氏距離2525263、平行管道法（盒式分類法）263、平行管道法（盒式分類法）272728監(jiān)督分類法主要步驟：（1）確定類別數(shù)（2）特征變換和特征選擇（3）選擇訓(xùn)練樣區(qū)（4）確定判別函數(shù)和判別規(guī)則（5）根據(jù)判別函數(shù)和判別規(guī)則對(duì)非訓(xùn)練樣區(qū)的圖像區(qū)域進(jìn)行分類。28監(jiān)督分類法主要步驟：（1）確定類別數(shù)292930（二）非監(jiān)督分類—聚類分析

UnsupervisedClassification不施加任何先驗(yàn)知識(shí)，僅憑遙感影像上地物的光譜特征分布規(guī)律進(jìn)行自然“聚類”。分類結(jié)果只是對(duì)不同類別達(dá)到了區(qū)分，但并不能確定類別的屬性。分類結(jié)束后，利用目視判讀或?qū)嵉卣{(diào)查等方法確定類別屬性。集群分析直接比較樣本中各事物之間的性質(zhì)，將性質(zhì)相近的分在同一類，而將性質(zhì)差異比較大的分在不同類。30（二）非監(jiān)督分類—聚類分析

Unsu31聚類算法計(jì)算出像元之間的相似性矩陣，找出最高相關(guān)像元，形成集群心選擇若干個(gè)模式點(diǎn)作為聚類的中心，每一中心代表一個(gè)類別；按照某種相似性度量方法將各模式進(jìn)行歸類，形成初始分類；由聚類準(zhǔn)則判斷初始分類是否合理，如果不合理就修改分類；反復(fù)迭代，直到分類合理為止。Ｋ—均值聚類法ISODATA算法動(dòng)態(tài)分析平行管道法聚類分析（基于最鄰近規(guī)則探測(cè)法）分級(jí)集群法…31聚類算法計(jì)算出像元之間的相似性矩陣，找出最高相關(guān)像元，形32ISODATA算法聚類分析32ISODATA算法聚類分析33聚類過程類別中心的變化33聚類過程類別中心的變化3434353536456712030203225331943223121442129223519271826204063707193960728214265749184562711019416175例：對(duì)MSS影像的10個(gè)像元進(jìn)行非監(jiān)督分類3645671203020322533194323737383839；39；40遙感圖像多種特征的提取地物邊界跟蹤法點(diǎn)狀和面狀線狀形狀特征提取40遙感圖像多種特征的提取地物邊界跟蹤法點(diǎn)狀和面狀41空間關(guān)系特征提取方位關(guān)系包含關(guān)系相鄰關(guān)系相交關(guān)系相貫關(guān)系41空間關(guān)系特征提取方位關(guān)系4242434344Thanks44Thanks45

遙感圖像

計(jì)算機(jī)自動(dòng)識(shí)別0遙感圖像

計(jì)算機(jī)自動(dòng)識(shí)別46判讀：

對(duì)遙感圖像上的各種特征進(jìn)行綜合分析、比較、推理和判斷，以提取出所感興趣的信息。目視判讀自動(dòng)判讀遙感圖像自動(dòng)判譯專家系統(tǒng)

圖像識(shí)別（判讀）的本質(zhì)是分類，分好類了，結(jié)合對(duì)照地面類型便可對(duì)圖像進(jìn)行識(shí)別。1判讀：對(duì)遙感圖像上的各種特征進(jìn)行綜合分析、比較、47主要內(nèi)容：概念基本原理分類過程概率統(tǒng)計(jì)的分類方法2主要內(nèi)容：概念48遙感圖像的計(jì)算機(jī)分類，是通過模式識(shí)別理論，利用計(jì)算機(jī)將遙感圖像中的像素自動(dòng)分成若干種地物類別的方法。是圖像信息提取的重要途徑。遙感數(shù)據(jù)地物信息土地覆蓋/土地利用分類、森林類型、植被類型、巖性類型、……一、概念3遙感圖像的計(jì)算機(jī)分類，是通過模式識(shí)別理論，利用計(jì)算機(jī)將遙感49當(dāng)前多數(shù)計(jì)算機(jī)圖像處理系統(tǒng)，均利用圖像的光譜信息特征進(jìn)行統(tǒng)計(jì)識(shí)別分類，色調(diào)信息是其依據(jù)，目視解譯中的邏輯推理法只有在能模擬人類對(duì)信息的觀察，分析及經(jīng)過大腦加工的條件下，才能應(yīng)用與計(jì)算機(jī)圖像識(shí)別。4當(dāng)前多數(shù)計(jì)算機(jī)圖像處理系統(tǒng)，均利用圖像的光譜信息特征進(jìn)行統(tǒng)50二、基本原理模式識(shí)別理論模式：某種事物的標(biāo)準(zhǔn)形式。不同類別的事物具有不同的模式；相同類別的事物模式相同或相近。模式識(shí)別：對(duì)待識(shí)別的模式做一系列的測(cè)量，并將測(cè)量結(jié)果與“模式字典”中一組典型的測(cè)量值相比較；若和字典中某一“詞目”的比較結(jié)果是“吻合”或“較吻合”，則將待分類模式歸為該類。模式識(shí)別系統(tǒng)5二、基本原理模式識(shí)別理論51遙感圖像自動(dòng)分類——模式識(shí)別理論的應(yīng)用理論依據(jù)：不同的地物具有不同的光譜特征（數(shù)字圖像上的光譜差異性）；同類地物具有相同或相似的光譜特征（數(shù)字圖像上的光譜相似性）。目標(biāo)：給圖像中的每個(gè)像元一個(gè)類別。6遙感圖像自動(dòng)分類——模式識(shí)別理論的應(yīng)用521、模式（Pattern）：即像元模式，指每個(gè)像元在多波段圖像中對(duì)應(yīng)的一組值。

2、特征（Feature）：在多波段圖像中，每個(gè)波段可看作一個(gè)變量，稱為特征變量。波段：光譜波段、派生波段（紋理、上下文關(guān)系、波段比等）、輔助數(shù)據(jù)（非遙感數(shù)據(jù)，如DEM、土壤類型等）。遙感圖像自動(dòng)分類71、模式（Pattern）：即像元模式，指每個(gè)像元在多波段533、特征空間：多個(gè)特征可構(gòu)成多維特征空間。

每個(gè)像元對(duì)應(yīng)特征空間中的一個(gè)點(diǎn)圖11-2地物與光譜特征空間的關(guān)系4、同類地物所對(duì)應(yīng)像元在特征空間中呈點(diǎn)集群分布。一個(gè)點(diǎn)群代表何類地物，可以通過和已知地物類別相比較的方法解決；或通過實(shí)地抽樣檢查的方法來解決。83、特征空間：多個(gè)特征可構(gòu)成多維特征空間。圖11-2地54三維光譜特征空間5、特征點(diǎn)集群在特征空間中的分布：

理想情況：不同類別地物的集群至少在一個(gè)特征子空間中的投影是完全可以相互區(qū)分的。

典型情況：不同類別地物的集群，在任一子空間中都有相互重疊的現(xiàn)象，但在總的特征空間中是可以完全區(qū)分的。

一般情況：無論在總的特征空間中，還是在任一子空間中，不同類別的集群之間總是存在重疊現(xiàn)象。9三維光譜特征空間5、特征點(diǎn)集群在特征空間中的分布：55

位置——是一個(gè)點(diǎn)群的中心，計(jì)算圖象灰度的均值向量（即數(shù)學(xué)期望）；范圍——計(jì)算圖象灰度的標(biāo)準(zhǔn)差向量（或協(xié)方差矩陣），即點(diǎn)群的離散程度；

邊界——應(yīng)用判別函數(shù)（或邊界函數(shù)）鑒別圖象像元的類別歸屬。

6、計(jì)算機(jī)分類時(shí)，只要能確定地物類別在特征空間中的位置、范圍和地物類別的邊界就完成了分類的任務(wù)。10位置——是一個(gè)點(diǎn)群的中心，計(jì)算圖象灰度的均值向56三、分類過程

預(yù)處理（大氣校正、幾何校正、配準(zhǔn)）特征選擇（提取）分類后處理和精度評(píng)價(jià)制作分類專題圖11三、分類過程預(yù)處理（大氣校正、幾何校正、配準(zhǔn)）57特征選擇（FeatureSelection）

即在所有的特征影像中，選擇一組最佳的用來分類的特征影像的過程。

結(jié)合影像本身的特征，針對(duì)所希望區(qū)分的類別問題進(jìn)行選擇。用定量的方法選擇：距離測(cè)度散布矩陣測(cè)度類內(nèi)散布矩陣類間散布矩陣總體散布矩陣12特征選擇（FeatureSelection）58特征提?。‵eatureExtraction）

將原有的m個(gè)測(cè)量值集合通過某種變換，產(chǎn)生n（小于m）個(gè)相關(guān)性更弱的、使類別間差異更加明顯的新特征，從而改善分類的效果。

主分量變換哈達(dá)馬變換穗帽變換比值變換和生物量指標(biāo)變換13特征提取（FeatureExtraction）59遙感圖像14遙感圖像60自動(dòng)分類結(jié)果15自動(dòng)分類結(jié)果61分類專題圖分類專題圖16分類專題圖分類專題圖62四、分類方法（一）監(jiān)督分類--訓(xùn)練分類法

SupervisedClassification分析者在圖像上對(duì)每一種類別選取一定數(shù)量的訓(xùn)練區(qū)，通過所選擇代表各類別的已知樣本(訓(xùn)練區(qū))的像元光譜特征，事先取得各類別的參數(shù)，確定判別函數(shù)和相應(yīng)的判別規(guī)則，從而進(jìn)行分類。17四、分類方法（一）監(jiān)督分類--訓(xùn)練分類法63判別函數(shù)

描述某一未知類別的像元模式屬于某個(gè)類別的情況的函數(shù)，如屬于某個(gè)類別的條件概率。不同的類別有各自不同的判別函數(shù)。判別規(guī)則對(duì)像元模式所屬類別進(jìn)行判斷的依據(jù)。對(duì)某一未知類別的像元模式計(jì)算出在各個(gè)不同類別的判別函數(shù)中的值后，就可用判別規(guī)則來判定其所屬類別。分類基本思想地物類別與特征空間中的區(qū)域相聯(lián)系；類別劃分就相當(dāng)于用合適的邊界對(duì)特征空間進(jìn)行區(qū)域劃分；判斷像素的類型實(shí)際上是看其所對(duì)應(yīng)的特征矢量落入特征空間的哪個(gè)區(qū)域。

18判別函數(shù)判別規(guī)則分類基本思想641、最大似然法基本思想：樣區(qū)內(nèi)的各類別集群在光譜特征空間中的概率分布函數(shù)為先驗(yàn)已知，對(duì)于樣區(qū)外的任一未知像元，分別計(jì)算它落于各類別區(qū)域內(nèi)的概率，其概率值最大的相應(yīng)類別就是該像元應(yīng)屬的類別。建立在貝葉斯準(zhǔn)則的基礎(chǔ)上，錯(cuò)分概率最小的一種方法。191、最大似然法基本思想：樣區(qū)內(nèi)的各類別集群在光譜特征空間65為類出現(xiàn)的概率，先驗(yàn)概率；為類中出現(xiàn)Ｘ的條件概率，似然概率；為Ｘ屬于類的后驗(yàn)概率。概率判別函數(shù)：某特征矢量Ｘ落入某類集群的條件概率。根據(jù)貝葉斯準(zhǔn)則，有：貝葉斯判別規(guī)則：若對(duì)于所有可能的ｊ＝1，2，…，m；（j不等于i）有，則X屬于類。20為類出現(xiàn)的概率，先驗(yàn)概率；概率判別函數(shù)：根據(jù)貝葉斯準(zhǔn)66類的概率分布計(jì)算：假設(shè)同類地物在特征空間服從正態(tài)分布21類的概率分布計(jì)算：6722682、最小距離法基本思想是計(jì)算未知類別的特征矢量X到各類別集群之間的距離，哪類離它最近，X就屬于哪類。判別函數(shù)

判別規(guī)則若對(duì)于所有的比較類j=1，2，…，m；（j不等于i），有，則X屬于第類。232、最小距離法基本思想是計(jì)算未知類別的特征矢量X到各類別69距離判別函數(shù)1、馬氏距離2、歐氏距離3、計(jì)程距離4、…24距離判別函數(shù)1、馬氏距離7025713、平行管道法（盒式分類法）263、平行管道法（盒式分類法）722773監(jiān)督分類法主要步驟：（1）確定類別數(shù)（2）特征變換和特征選擇（3）選擇訓(xùn)練樣區(qū)（4）確定判別函數(shù)和判別規(guī)則（5）根據(jù)判別函數(shù)和判別規(guī)則對(duì)非訓(xùn)練樣區(qū)的圖像區(qū)域進(jìn)行分類。28監(jiān)督分類法主要步驟：（1）確定類別數(shù)742975（二）非監(jiān)督分類—聚類分析

UnsupervisedClassification不施加任何先驗(yàn)知識(shí)，僅憑遙感影像上地物的光譜特征分布規(guī)律進(jìn)行自然“聚類”。分類結(jié)果只是對(duì)不同類別達(dá)到了區(qū)分，但并不能確定