第六章遙感圖像處理3.doc

第六章 遙感圖像處理6-4遙感圖像的分類一般原理：圖像分類，或叫多波段、多變量分類，是把一幅多維圖像中的每個點或區(qū)域內(nèi)歸屬于若干類別中的一類，或若干個專題要素中的一種。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的，因而，圖像分類的方法一般都是建立在統(tǒng)計分析的基礎(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)，通過計算機對像元數(shù)據(jù)進行統(tǒng)計、對比和歸納，可在某種程度上實現(xiàn)對地物的分類和識別。一、 多光譜域中的圖像變換在遙感數(shù)字圖像計算機分類處理之前，通常要實施一些遙感圖像在多光譜域中的變換，稱為分類前的預(yù)處理。其目的是進行數(shù)據(jù)壓縮和特征選擇。變換后所得的新圖像，稱為特征圖像。大多數(shù)變換的目的是提高信息的表達。變換后的圖像通常比原始圖像更易于解譯。在遙感實踐中常見的變換有： 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)的一個線性變換，變換數(shù)據(jù)到一個新的坐標系統(tǒng)，以使數(shù)據(jù)的差異達到最大。變換前，類別信息與噪聲信息混合均攤在兩波段g1，g2圖像上，實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，此時即可舍棄g2波段不用，這樣就相當于減少了一半的數(shù)據(jù)量。g2 g1g2 g1這一技術(shù)對于增強信息含量、隔離噪聲、減少數(shù)據(jù)維數(shù)非常有用，進行主分量變換的關(guān)鍵是找到變換軸的方向，因此，要計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，進而根據(jù)組成的主分量變換矩陣，實施主分量變換。變換算法：X=X*AT，A為n*n變換矩陣。2哈達碼變換利用哈達碼矩陣作為變換矩陣所實施的遙感圖像多光譜變換。哈達碼矩陣具有不同的維數(shù)，X=X*H，二維的哈達碼矩陣實際是使坐標軸旋轉(zhuǎn)45的正交變換。3穗帽變換穗帽變換/ K-T變換，（Kauth和Thomas）不是由嚴格的理論體系推導(dǎo)而產(chǎn)生的，而是基于對Landsat的大量MSS圖像統(tǒng)計研究中提出的，其實質(zhì)與主分量變換一致。他的原理是基于如下的統(tǒng)計事實：（1）通過對大量的LandsatMSS圖像（不同季節(jié)、不同地區(qū)、不同年份）的統(tǒng)計研究后，發(fā)現(xiàn)把各種土壤和各種植被按他們在陸地衛(wèi)星圖像四個波段（B4、B5、B6、B7）中的亮度值（x4、x5、x6、x7）投影到光譜特征空間中時，總是落在一個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，而沿著一條通過特征空間遠點的輻射線散布,該輻射線稱為“土壤背景”軸，記為ISB(Soil Background axis)。（3）同時，各種植被地物特征點的分布比較集中在“帽”空間中。當植被的發(fā)展階段變化時，如幼苗期、發(fā)展期、成熟期和枯黃期等，特征點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。該分布軸被稱為“綠色植被”軸，記為IGV(Green Vegetation axis)；當植被由綠色開始成熟并發(fā)展為枯黃時，其特征的點的變化是從“帽”頂沿著一些被稱為“帽穗”的軌跡逐漸向“帽”底下降，由此得到“穗帽”的名稱。根據(jù)以上事實，可以把ISB、IGV以及另外設(shè)兩個正交軸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為：ai,bi權(quán)系數(shù)，xi第i波段圖像中的影像亮度值（1）簡單比值變換：任意兩個波段的圖像進行比值處理，實際上實際上對不同集群實現(xiàn)不同程度的壓縮或拉伸，達到特征增強的目的。（2）生物量指標變換：二、遙感影像的分類遙感圖像的分類在數(shù)學上可歸結(jié)為選擇判別函數(shù)，或叫建立地物的數(shù)學模型。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)學模型的建立有兩種方式:一種是從已知出發(fā)，確定分類參數(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)，由此引出兩種分類處理方法：監(jiān)督分類和非監(jiān)督分類。1監(jiān)督分類監(jiān)督分類法又稱訓練場地法，先選擇有代表性的試驗區(qū)（訓練場地），用已知的地物波譜特征來訓練計算機，取得識別地物的判別分類規(guī)則，并以此為標準對未知區(qū)進行自動分類。已知未知；其工作程序為：1選擇有代表性的訓練場地，并對訓練場地的各種已知地物的反射、發(fā)射光譜特性，進行統(tǒng)計計算，取得區(qū)別不同類型地物的統(tǒng)計數(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)，由計算機統(tǒng)計計算出各種統(tǒng)計數(shù)據(jù)，如平均數(shù)、方差等。3用計算機進行已知地區(qū)和未知地區(qū)數(shù)據(jù)的對比，根據(jù)概率統(tǒng)計理論，將未知地區(qū)的每個象元納入已知地區(qū)的一種地物類型之列。最后打印輸出或自動成圖，即得到未知地區(qū)的分類結(jié)果。監(jiān)督分類比較簡單實用，運算量較少，但是事先必須建立各種已知地物（或標志）的參數(shù)或特征函數(shù)，這是關(guān)系到分類識別成敗的關(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性，由訓練場地取得的光譜特征，只能代表一定時間和一定地區(qū)的情況。所以必須選擇和使用多個訓練場地，才能有效識別。2非監(jiān)督分類非監(jiān)督分類又稱邊學習邊分類法，因?qū)ρ芯繀^(qū)情況一無所知，只好先對像元數(shù)據(jù)進行統(tǒng)計分析。依據(jù)每一類型地物應(yīng)具有相似性特征，把反映地物類型的特征值分布按相似分割和概率統(tǒng)計理論，歸并呈相對的空間群體。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)的若干個集群中，然后根據(jù)野外調(diào)查確定每個集群的含義。未知已知；其工作程序為：1 對輸入的每個象元點的數(shù)據(jù)進行統(tǒng)計計算。2 選定某一種比較模式或判別方法，如最小距離法、圖象識別法等。3 依據(jù)確