自動(dòng)識(shí)別分類詳解

自動(dòng)識(shí)別分類詳解演示文稿目前一頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)優(yōu)選自動(dòng)識(shí)別分類目前二頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)原始遙感圖像對(duì)應(yīng)的專題圖像3目前三頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)(一)判決函數(shù)和判決規(guī)則

1判決函數(shù)當(dāng)各個(gè)類別的判別區(qū)域確定后，用來(lái)表示和鑒別某個(gè)特征矢量屬于哪個(gè)類別的函數(shù)。

4目前四頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)2判別規(guī)則

這種判斷的依據(jù)，我們稱之為判別規(guī)則

判斷特征矢量屬于某類的依據(jù)5目前五頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)概率判別函數(shù)：把某特征矢量（X）落入某類集群的條件概率當(dāng)成分類判決函數(shù)（概率判決函數(shù)）貝葉斯判別規(guī)則：把X落入某集群wi的條件概率P(wi/X)最大的類為X的類別以錯(cuò)分概率或風(fēng)險(xiǎn)最小為準(zhǔn)則的判別規(guī)則

1、概率判決函數(shù)和貝葉斯判決規(guī)則6目前六頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)根據(jù)貝葉斯公式可得：

P(wi)——wi

類出現(xiàn)的概率，也稱先驗(yàn)概率。

P(wi/X)——在wi

類中出現(xiàn)X的條件概率， 也稱wi

類的似然概率。

P(X/wi)——X屬于wi

的后驗(yàn)概率。

P(X)對(duì)各個(gè)類別都是一個(gè)常數(shù)， 故可略去所以，判決函數(shù)可用下式表示：

7目前七頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)為了計(jì)算方便，將上式可以用取對(duì)數(shù)方式來(lái)處理。即

同類地物在特征空間服從 正態(tài)分布，則類別的概率密度函數(shù):

8目前八頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)去掉與i值無(wú)關(guān)的項(xiàng)對(duì)分類結(jié)果沒(méi)有影響，因此上式可簡(jiǎn)化為：

相應(yīng)的貝葉斯判決規(guī)則為：若對(duì)于所有可能的j=1,2,···,m;j≠i有

>

,則X屬于

類。根據(jù)概率判決函數(shù)和貝葉斯判決規(guī)則來(lái)進(jìn)行的分類通常稱為最大似然分類法。

9目前九頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)貝葉斯判決規(guī)則是以錯(cuò)分概率最小的最優(yōu)準(zhǔn)則10目前十頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)2、距離判決函數(shù)和判決規(guī)則 基本思想是設(shè)法計(jì)算未知矢量X到有關(guān)類別集群之間的距離，哪類距離它最近，該未知矢量就屬于那類。 概率判決函數(shù)那樣偏重于集群分布的統(tǒng)計(jì)性質(zhì)，距離判決函數(shù)偏重于集群分布的幾何位置。

11目前十一頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)

根據(jù)距離判決函數(shù)分類12目前十二頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)距離判別規(guī)則是按最小距離判別的原則

馬氏（Mahalanobis）距離

歐氏（Euclidean）距離

計(jì)程（Taxi）距離

基于距離判別函數(shù)和判別規(guī)則，在實(shí)踐中以此為原理的分類方法稱為最小距離分類法。

13目前十三頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)1）馬氏距離

馬氏距離幾何意義：X到類重心之間的加權(quán)距離，其權(quán)系數(shù)為協(xié)方差。

判別函數(shù)：在各類別先驗(yàn)概率和集群體積|∑|

都 相同情況下的概率判別函數(shù)則有14目前十四頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)在馬氏距離的基礎(chǔ)上，作下列限制將協(xié)方差矩陣限制為對(duì)角的沿每一特征軸的方差均相等歐氏距離是馬氏距離用于分類集群的形狀都相同情況下的特例。

2）歐氏距離

則有15目前十五頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)X到集群中心在多維空間中距離的絕對(duì)值之總和來(lái)表示

3）計(jì)程（Taxi）距離16目前十六頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)17目前十七頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)3、其它的判決函數(shù)和判決規(guī)則盒式分類法基本思想:

以一個(gè)包括該集群的“盒子”作為該集群的判別函數(shù)。

判決規(guī)則為若未知矢量X落入該“盒子”，則X分為此類，否則再與其它盒子比較。18目前十八頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)例如 對(duì)于A類的盒子，其邊界（最小值和最大值）分別是X1=a、X1=b；X2=c、X2=d。這種分類法在盒子重疊區(qū)域有錯(cuò)分現(xiàn)象。錯(cuò)分與比較盒子的先后次序有關(guān)。

19目前十九頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)(二)分類過(guò)程

原始影像數(shù)據(jù)的準(zhǔn)備圖像變換及特征選擇分類器的設(shè)計(jì)初始類別參數(shù)的確定逐個(gè)像素的分類判別形成分類編碼圖像輸出專題圖20目前二十頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)水新城區(qū)老城區(qū)耕地植被

選擇樣本區(qū)域21目前二十一頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)計(jì)算每個(gè)類別的M和Σ，建立類別的判別函數(shù)水老城區(qū)新城區(qū)植被紅255綠255????耕地0?藍(lán)255

將樣本數(shù)據(jù)在特征空間進(jìn)行聚類22目前二十二頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)根據(jù)判別函數(shù)逐個(gè)像素的分類判別23目前二十三頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)??????？1老城區(qū)1分類結(jié)果影像的形成24目前二十四頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)分類得到的專題圖25目前二十五頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)(三)影響監(jiān)督分類精度的幾個(gè)方面:

1.特征變換和特征選擇 根據(jù)感興趣地物的特征進(jìn)行有針對(duì)性的特征變換，加快分類速度，提高分類精度。

2.分類的類別數(shù)與實(shí)際是否相符?26目前二十六頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)3.訓(xùn)練樣區(qū)的選擇 訓(xùn)練樣區(qū)的選擇要注意準(zhǔn)確性、代表性和統(tǒng)計(jì)性三個(gè)問(wèn)題。 準(zhǔn)確性就是要確保選擇的樣區(qū)與實(shí)際地物的一致性 代表性一方面指所選擇區(qū)為某一地物的代表，另一方面還要考慮到地物本身的復(fù)雜性，所以必須在一定程度上反映同類地物光譜特性的波動(dòng)情況 統(tǒng)計(jì)性是有足夠多的像元。27目前二十七頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)4.分類方法（判決函數(shù)和判決規(guī)則）28目前二十八頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)(四)監(jiān)督法分類的優(yōu)缺點(diǎn)優(yōu)點(diǎn)：

.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；

.可以控制訓(xùn)練樣本的選擇

.可以通過(guò)檢查訓(xùn)練樣本來(lái)決定訓(xùn)練樣本是否被精確分類，從而避免分類中的嚴(yán)重錯(cuò)誤,分類精度高

.避免了非監(jiān)督分類中對(duì)光譜集群的重新歸類

.分類速度快29目前二十九頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)主觀性；由于圖象中間類別的光譜差異，使得訓(xùn)練樣本沒(méi)有很好的代表性；訓(xùn)練樣本的獲取和評(píng)估花費(fèi)較多人力時(shí)間；只能識(shí)別訓(xùn)練中定義的類別。缺點(diǎn)30目前三十頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)§8-4非監(jiān)督分類

二非監(jiān)督分類 僅憑遙感影像地物的光譜特征的分布規(guī)律，即自然聚類的特性，進(jìn)行“盲目”的分類； 其類別的屬性是通過(guò)分類結(jié)束后目視判讀或?qū)嵉卣{(diào)查確定的。31目前三十一頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)(一)K-均值聚類法

K-均值算法的聚類準(zhǔn)則是使每一聚類中，多模式點(diǎn)到該類別的中心的距離的平方和最小。

基本思想是：通過(guò)迭代，逐次移動(dòng)各類的中心，直至得到最好的聚類結(jié)果為止。32目前三十二頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)33目前三十三頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)34目前三十四頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)35目前三十五頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)

缺點(diǎn):這種算法的結(jié)果受到所選聚類中心的數(shù)目和其初始位置以及模式分布的幾何性質(zhì)和讀入次序等因素的影響，并且在迭代過(guò)程中又沒(méi)有調(diào)整類數(shù)的措施，因此可能產(chǎn)生不同的初始分類得到不同的結(jié)果。36目前三十六頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)(二)ISODATA算法聚類分析可以自動(dòng)地進(jìn)行類別的“合并”和“分裂”，從而得到類數(shù)比較合理的聚類結(jié)果。

37目前三十七頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)選定初始類別中心輸入迭代限值參數(shù):I,Tn,TS,TC對(duì)樣本像素進(jìn)行聚類并統(tǒng)計(jì)ni,m,σni<Tn取消第i類是迭代次數(shù)=I或相鄰兩次迭代類別中心變動(dòng)小于限值σ>TS

確定分裂后的中心DIK<TC

確定并類后的中心輸出否否是否否是ISODATA算法過(guò)程框圖

每類集群允許的最大標(biāo)準(zhǔn)差

集群允許的最短距離

每類集群至少的點(diǎn)數(shù)是迭代次數(shù)38目前三十八頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)39目前三十九頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)(三)平行管道法聚類分析 它以地物的光譜特性曲線為基礎(chǔ)，同類地物在特征空間上表現(xiàn)為以特征曲線為中心，以相似閾值為半徑的管子，此即為所謂的“平行管道”。 這種聚類方法實(shí)質(zhì)上是一種基于最鄰近規(guī)則的試探法。40目前四十頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)41目前四十一頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)§8-5非監(jiān)督分類與監(jiān)督分類的結(jié)合

通過(guò)非監(jiān)督法將一定區(qū)域聚類成不同的單一類別監(jiān)督法再利用這些單一類別區(qū)域“訓(xùn)練”計(jì)算機(jī)使分類精度得到保證的前提下，分類速度得到了提高

42目前四十二頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)§8-6分類后處理和誤差分析一分類后處理1、分類后專題圖像的格式遙感影像經(jīng)分類后形成的專題圖，用編號(hào)、字符、圖符或顏色表示各種類別。43目前四十三頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)

原始遙感圖像對(duì)應(yīng)的專題圖像44目前四十四頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)2、分類后處理

用光譜信息對(duì)影像逐個(gè)像元地分類，在結(jié)果的分類地圖上會(huì)出現(xiàn)“噪聲”

45目前四十五頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)

“噪聲”√地類交界處的像元中包括有多種類別，其混合的幅射量造成錯(cuò)分類√分類是正確的，但某種類別零星分布于地面，占的面積很小，我們對(duì)大面積的類型感興趣。46目前四十六頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)平滑時(shí)中心像元值取周圍占多數(shù)的類別47目前四十七頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)平滑前后的一個(gè)例子48目前四十八頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)二、分類后的誤差分析

利用一些樣本對(duì)分類誤差進(jìn)行估計(jì)。 采集樣本的方式有三種類型：

﹡來(lái)自監(jiān)督分類的訓(xùn)練樣區(qū)；

﹡專門選定的試驗(yàn)場(chǎng)；

﹡隨機(jī)取樣。

49目前四十九頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)混淆矩陣分類精度的評(píng)定實(shí)際類別

試驗(yàn)像元的百分比%類別1類別2類別3

試驗(yàn)像元12384.34.910.88.580.311.26.14.189.8100%102100%152100%4950目前五十頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)平均精度S=（84.3%+80.3%+89.8%）/3=84.8%加權(quán)平均精度S=84.3%*102+80.3%*152+89.8%*49） /(102+152+49)=83.2%51目前五十一頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)檢驗(yàn)混淆矩陣實(shí)測(cè)數(shù)據(jù)類型

分類數(shù)據(jù)類型實(shí)測(cè)總和12……n1……2…….……………….………………n……分類總和……52目前五十二頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)為分類所得到的第i類的總和；

為實(shí)際觀測(cè)的第j類的總和；

樣本總數(shù)總體分類精度制圖精度：正確分類/參考數(shù)據(jù)中的該類用戶精度：正確分類/所有分為該類與分類精度有關(guān)的參數(shù)53目前五十三頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)Kappa分析（系數(shù)）54目前五十四頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)遙感數(shù)據(jù)本身制約光譜：相似性，時(shí)相與環(huán)境空間分辨力分類方法單點(diǎn)分類空間結(jié)構(gòu)信息沒(méi)有利用55知識(shí)回顧：監(jiān)督分類與非監(jiān)督分類制約分類精度的原因目前五十五頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)提高分類精度的方法1.分類前預(yù)處理校正（輻射和幾何）變換空間信息提?。y理）2.分類樹(shù)與分層分類一次分類不能滿足精度要求時(shí)，進(jìn)行多次分類56目前五十六頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)提高分類精度的方法3.混合分類（多分類器結(jié)合）監(jiān)督法與非監(jiān)督法4.多種信息復(fù)合遙感信息非遙感信息5.與GIS集成GIS與遙感數(shù)據(jù)復(fù)合分類間接支持分類用于選樣區(qū)，檢驗(yàn)樣區(qū)，糾正等57目前五十七頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)提高分類精度的方法6.基于目標(biāo)的遙感圖像分類E-COGNITION軟件圖象分割模糊分類精度評(píng)定58目前五十八頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)§8-7非光譜信息在遙感圖像分類中的應(yīng)用一高程信息在遙感圖像分類中的應(yīng)用

1.地面高程“影像”可以直接與多光譜影像一起對(duì)分類器進(jìn)行訓(xùn)練

59目前五十九頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)7.5米等高線60目前六十頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)DEM影像61目前六十一頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)2.將地形分成一些較寬的高程帶，將多光譜影像按高程帶切片（或分層），然后分別進(jìn)行分類。62目前六十二頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)

二紋理信息在遙感圖像分類中的應(yīng)用 紋理信息提取:目前用得比較多的方法包括：共生矩陣法、分形維方法、馬爾可夫隨機(jī)場(chǎng)方法等。63目前六十三頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)Cosmo-SkyMed高分辨率雷達(dá)圖像64目前六十四頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)1.紋理影像直接與多光譜影像一起對(duì)分類器進(jìn)行訓(xùn)練2.先利用多光譜信息對(duì)遙感圖像進(jìn)行自動(dòng)分類。再利用紋理特征對(duì)光譜分類的結(jié)果進(jìn)行進(jìn)一步的細(xì)分3.智能的方法(神經(jīng)元網(wǎng)絡(luò)方法等)65目前六十五頁(yè)\總數(shù)七十三頁(yè)\編于一點(diǎn)§8－9計(jì)算機(jī)自動(dòng)分類的新方法一面向?qū)ο蟮倪b感信息提取

問(wèn)題的提出基于像素級(jí)別的信息提取以單個(gè)像素為單