第六章-遙感數(shù)字圖像的計(jì)算機(jī)解譯課件

目視解譯與計(jì)算機(jī)自動(dòng)分類遙感專題分類：是以區(qū)別圖像中所含多個(gè)目標(biāo)為目的，對(duì)每個(gè)像元或者比較勻質(zhì)的像元組給出對(duì)應(yīng)其特征的名稱。這些名稱為分類的類別，多個(gè)特征矢量定義的空間為特征空間。遙感專題分類的方法主要有人工目視解譯和計(jì)算機(jī)自動(dòng)分類。目視解譯是計(jì)算機(jī)自動(dòng)分類的基礎(chǔ)；計(jì)算機(jī)自動(dòng)分類總是盡可能地模擬目視解譯的過(guò)程。第六章遙感數(shù)字圖像的計(jì)算機(jī)解譯目視解譯與計(jì)算機(jī)自動(dòng)分類遙感專題分類：是以區(qū)別圖像中所含多個(gè)11.人工目視解譯目視解譯的主要方法1)直接判定法解譯人員根據(jù)遙感圖像上可以用肉眼直接觀測(cè)到的標(biāo)志如色調(diào)、形狀、陰影、紋理結(jié)構(gòu)、大小、位置、相關(guān)布局等建立“模式圖像”或稱做直接解譯標(biāo)志，來(lái)確定地物的存在和屬性，比如河流、房屋，鐵路等都可以直接判定。2)對(duì)比分析法借助不同時(shí)相、不同波段、地面資料進(jìn)行相互補(bǔ)充，相互驗(yàn)證。3）邏輯分析法運(yùn)用地學(xué)規(guī)律的相關(guān)分析和實(shí)際經(jīng)驗(yàn)，進(jìn)行邏輯判斷。例如根據(jù)水系的分布格局來(lái)判斷巖性和地貌類型；根據(jù)植被的類型來(lái)推斷土壤類型；利用地震后地應(yīng)力釋放形成的“構(gòu)造云”的分布來(lái)推測(cè)構(gòu)造應(yīng)力場(chǎng)等。邏輯分析大大開拓了遙感圖像所能發(fā)揮的作用。1.人工目視解譯目視解譯的主要方法22.計(jì)算機(jī)圖象分類在70年代初期，隨著遙感技術(shù)和地球資源衛(wèi)星的發(fā)射開始應(yīng)用于遙感圖像處理方面，奠定了遙感圖像分類的數(shù)學(xué)理論基礎(chǔ)。遙感專題分類屬于模式識(shí)別的范疇。模式識(shí)別的主要方法有統(tǒng)計(jì)模式識(shí)別、句法模式識(shí)別、模糊識(shí)別和智能模式識(shí)別。智能模式識(shí)別又分為人工神經(jīng)網(wǎng)絡(luò)和邏輯推理系統(tǒng)。除句法模式識(shí)別主要應(yīng)用于文字、符號(hào)、語(yǔ)言的識(shí)別外，其他三種方法在遙感專題分類都有不同程度的使用，其中統(tǒng)計(jì)模式識(shí)別方法應(yīng)用最為普遍。這些方法在遙感圖像專題分類中經(jīng)常采用兩種方案，一是監(jiān)督分類，另一種是非監(jiān)督分類。兩者只是實(shí)施的步驟上有前后差別，其理論本質(zhì)是一樣的。非監(jiān)督分類，事先沒有類別的先驗(yàn)知識(shí)，純粹根據(jù)圖像數(shù)據(jù)的統(tǒng)計(jì)特征和點(diǎn)群分布情況，根據(jù)相似性程度自動(dòng)進(jìn)行歸類，最后再確定每一類的地理屬性。監(jiān)督分類有類別的先驗(yàn)知識(shí)，根據(jù)先驗(yàn)知識(shí)選擇訓(xùn)練樣本，由訓(xùn)練樣本得到分類準(zhǔn)則。2.計(jì)算機(jī)圖象分類在70年代初期，隨著遙感技術(shù)和地球資源衛(wèi)32.計(jì)算機(jī)圖象分類概念：以區(qū)別圖象中所含的多個(gè)目標(biāo)物為目的，對(duì)每個(gè)像元或者比較均勻的像元組給出對(duì)應(yīng)其特征的名稱。特征名稱一般稱類別，例如土地利用/覆蓋中的居民地、水域、園地、林地、耕地等。參與分類的多個(gè)特征量（向量）所定義的空間，稱為特征空間，例如2個(gè)波段定義的2維特征空間，3個(gè)波段定義的3維特征空間等。2.計(jì)算機(jī)圖象分類概念：以區(qū)別圖象中所含的多個(gè)目標(biāo)物為目的42.計(jì)算機(jī)圖象分類目視解譯和計(jì)算機(jī)圖象分類的對(duì)比2.計(jì)算機(jī)圖象分類目視解譯和計(jì)算機(jī)圖象分類的對(duì)比5第一節(jié)遙感數(shù)字圖像的性質(zhì)與特點(diǎn)第二節(jié)遙感數(shù)字圖像的計(jì)算機(jī)分類第三節(jié)遙感圖像多種特征的抽取第四節(jié)遙感圖像解譯專家系統(tǒng)第一節(jié)遙感數(shù)字圖像的性質(zhì)與特點(diǎn)6第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)遙感數(shù)字圖像遙感數(shù)字圖像是以數(shù)字表示的遙感圖像,其最基本的單元是像素.像素是成像過(guò)程的采樣點(diǎn),也是計(jì)算機(jī)處理圖像的最小單元.像素具有空間特征和屬性特征.像素的屬性特征采用亮度值來(lái)表達(dá).正像素;混合像素第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)遙感數(shù)字圖像7第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)

二、遙感數(shù)字圖像的特點(diǎn)便于計(jì)算機(jī)處理與分析圖像信息損失少抽象性強(qiáng)第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)二、遙感數(shù)字圖像的特點(diǎn)8第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)三、遙感數(shù)字圖像的表示方法遙感數(shù)字圖像是以二維數(shù)組來(lái)表示的.第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)三、遙感數(shù)字圖像的表示方法9第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)三、遙感數(shù)字圖像的表示方法遙感圖像按照波段數(shù)量分為:單波段數(shù)字圖像:SPOT的全色波段.多波段數(shù)字圖像:TM的7個(gè)波段數(shù)據(jù).多波段數(shù)字圖像的三種數(shù)據(jù)格式BSQ格式(Bandsequential)BIP格式(Bandinterleavedbypixel)BIL格式(Bandinterleavedbyline)第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)三、遙感數(shù)字圖像的表示方法遙感10第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)四、航空像片的數(shù)字化空間采樣：將航空像片具有的連續(xù)灰度信息轉(zhuǎn)化為每行有m個(gè)單元，每列有n個(gè)單元的像素組合。屬性量化：可得到每個(gè)像元的數(shù)字模擬量，與航空像片中對(duì)應(yīng)位置上的灰度相對(duì)應(yīng)。第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)四、航空像片的數(shù)字化空間采樣：11第二節(jié)遙感圖像的計(jì)算機(jī)分類第二節(jié)遙感圖像的計(jì)算機(jī)分類12一、分類原理與基本過(guò)程遙感圖像計(jì)算機(jī)分類的依據(jù)是遙感圖像像素的相似度。常使用距離和相關(guān)系數(shù)來(lái)衡量相似度。采用距離衡量相似度時(shí)，距離越小相似度越大。采用相關(guān)系數(shù)衡量相似度時(shí)，相關(guān)程度越大，相似度越大。遙感圖像計(jì)算機(jī)分類方法監(jiān)督分類法：選擇具有代表性的典型實(shí)驗(yàn)區(qū)或訓(xùn)練區(qū)，用訓(xùn)練區(qū)中已知地面各類地物樣本的光譜特性來(lái)“訓(xùn)練”計(jì)算機(jī)，獲得識(shí)別各類地物的判別函數(shù)或模式，并以此對(duì)未知地區(qū)的像元進(jìn)行分類處理，分別歸入到已知的類別中。非監(jiān)督分類：是在沒有先驗(yàn)類別（訓(xùn)練場(chǎng)地）作為樣本的條件下，即事先不知道類別特征，主要根據(jù)像元間相似度的大小進(jìn)行歸類合并（即相似度的像元?dú)w為一類）的方法。一、分類原理與基本過(guò)程遙感圖像計(jì)算機(jī)分類的依據(jù)是遙感圖像像素13一、分類原理與基本過(guò)程遙感數(shù)字圖像計(jì)算機(jī)分類基本過(guò)程根據(jù)圖像分類目的選取特定區(qū)域的遙感數(shù)字圖像，需考慮圖像的空間分辨率、光譜分辨率、成像時(shí)間、圖像質(zhì)量等。根據(jù)研究區(qū)域，收集與分析地面參考信息與有關(guān)數(shù)據(jù)。根據(jù)分類要求和圖像數(shù)據(jù)的特征，選擇合適的圖像分類方法和算法。制定分類系統(tǒng)，確定分類類別。找出代表這些類別的統(tǒng)計(jì)特征為了測(cè)定總體特征，在監(jiān)督分類中可選擇具有代表性的訓(xùn)練場(chǎng)地進(jìn)行采樣，測(cè)定其特征。在非監(jiān)督分類中，可用聚類等方法對(duì)特征相似的像素進(jìn)行歸類，測(cè)定其特征。對(duì)遙感圖像中各像素進(jìn)行分類。分類精度檢查。對(duì)判別分析的結(jié)果進(jìn)行統(tǒng)計(jì)檢驗(yàn)。一、分類原理與基本過(guò)程遙感數(shù)字圖像計(jì)算機(jī)分類基本過(guò)程14二、圖像分類方法

1、監(jiān)督分類2、非監(jiān)督分類3、監(jiān)督分類與非監(jiān)督分類方法比較二、圖像分類方法151非監(jiān)督分類分類標(biāo)準(zhǔn)的確定不需要人的參與，由計(jì)算機(jī)根據(jù)某一標(biāo)準(zhǔn)（例如距離最短）自動(dòng)進(jìn)行。需要確定要分幾種類別，或者類似的輸入條件。分類后的結(jié)果，還需要再給出具體的涵義。類似的概念：聚類分析、點(diǎn)群分析、空間集群等。常用的非監(jiān)督分類方法：1）K-MEANS;2)ISODATA1非監(jiān)督分類分類標(biāo)準(zhǔn)的確定不需要人的參與，由計(jì)算機(jī)根據(jù)某一161.1K-MEANSSTEP1:任意選擇K個(gè)聚類中心，一般選前K個(gè)樣本；STEP2:迭代，未知樣本X分到距離最近的類中；STEP3:根據(jù)STEP2的結(jié)果，重新計(jì)算聚類中心；STEP4:每一類的像元數(shù)目變化達(dá)到要求，算法結(jié)束。影響K－均值法的因素：聚類中心數(shù)目，初始類中心的選擇，樣本輸入的次序，數(shù)據(jù)的幾何特性等。K-均值算法在數(shù)據(jù)空間內(nèi)平均計(jì)算各類的均值，使用最小距離法，將未知像元?jiǎng)澐值侥骋活愔?，再調(diào)整均值，直到迭代次數(shù)滿足，或者距離閾值滿足。輸入?yún)?shù):Numberofclass:要分成幾類Changethreshold%(0-100):如果每一類的像元數(shù)目變化小于此數(shù)值，則迭代停止。1.1K-MEANSSTEP1:任意選擇K個(gè)聚類中心，一171.2ISODATAISODATA迭代自組織數(shù)據(jù)分析算法（InteractiveSelf-OrganizingDataAnalysisTechnologyAlgorithm,簡(jiǎn)稱ISODATA）在K均值算法的基礎(chǔ)上，加入了試探性的步驟，能夠吸取中間結(jié)果的經(jīng)驗(yàn)，在迭代的過(guò)程中可以進(jìn)行類別的分離和合并，具有“自組織”性，是目前非監(jiān)督分類中使用最為廣泛的算法。該算法中影響分類結(jié)果的參數(shù)有：迭代次數(shù)、類別數(shù)、參加分類的波段數(shù)目。輸入?yún)?shù)：

最大和最小類別數(shù)目，因?yàn)樗惴ㄟM(jìn)行自動(dòng)的類別分裂和合并，所以不能確定類別的具體數(shù)目。

最大迭代次數(shù)和每類中像元數(shù)量的變化，其中一項(xiàng)滿足，則分類結(jié)束。如果某一類別中的像元數(shù)目不滿足Minimum#pixelinclass，則刪除該類別，像元?dú)w并到最近的一類中。如果某一類的標(biāo)準(zhǔn)差大于Minimumclassstdv，則該類別需要分裂成兩個(gè)類別。如果來(lái)年改革類別的平均距離小于Maximumclassdistance，則該兩個(gè)類別合并成一類。Maximum#mergeclass定義最多合并多少類別。Maximumstdevfrommean;Maximumdistanceerror.1.2ISODATAISODATA迭代自組織數(shù)據(jù)分析算法181.2ISODATAN―所要求的類別數(shù)I―迭代次數(shù)限定值Tn―每類集群中至少應(yīng)有的點(diǎn)數(shù)Tc―集群分裂標(biāo)準(zhǔn)即每類集群所允許的最大標(biāo)準(zhǔn)差Tm―集群合并標(biāo)準(zhǔn)即兩燈集群中心間允許的最小距離1.2ISODATAN―所要求的類別數(shù)192監(jiān)督分類2.1

平行管道分類2.2最小距離分類2.3最大似然分類2.4馬氏距離分類2.5神經(jīng)網(wǎng)絡(luò)分類方法2.6光譜角分類2.7二值編碼分類2監(jiān)督分類202.1平行管道分類使用簡(jiǎn)單的分類規(guī)則進(jìn)行多光譜遙感圖像的分類。決策線在n維光譜空間中是一個(gè)平行的管道。管道的直徑根據(jù)距離平均值的標(biāo)準(zhǔn)差確定。如果某個(gè)像元落在某一類的平行管道的閾值范圍內(nèi)，則劃分到該類別中。如果落在多個(gè)類中，ENVI則將這個(gè)像元?jiǎng)澐值阶詈笃ヅ涞念悇e。落不到任何管道中，則標(biāo)識(shí)為未分類像元。輸入?yún)?shù)Maxstdevfromthemean,是距離平均值多少個(gè)標(biāo)準(zhǔn)差。2.1平行管道分類使用簡(jiǎn)單的分類規(guī)則進(jìn)行多光譜遙感圖像的分212.1平行管道分類2.1平行管道分類222.2最小距離分類計(jì)算未知像元距離各個(gè)類別均值向量的歐氏距離，將該像元?jiǎng)澐值骄嚯x最小的類別中。如果沒有確定最大的標(biāo)準(zhǔn)差和距離閾值，則所有的像元都會(huì)分類。輸入?yún)?shù)：Maxstdevfromthemean,是距離平均值多少個(gè)標(biāo)準(zhǔn)差。Maxdistanceerror,距離的最大閾值如果兩個(gè)參數(shù)都輸入了，ENVI使用其中小的作為最終的判別標(biāo)準(zhǔn)。2.2最小距離分類計(jì)算未知像元距離各個(gè)類別均值向量的歐氏距232.2最小距離分類2.2最小距離分類242.3最大似然分類假設(shè)條件：數(shù)據(jù)符合多維正態(tài)分布。如果不符合，分類的精度也將下降。計(jì)算每個(gè)像元屬于各個(gè)類別的似然度（likelihood）,該像元分到似然度最大的類別中。似然度是像元數(shù)據(jù)X屬于類別k的后驗(yàn)概率。如果類別k中X的條件概率為P(x/k),則似然度Lk的計(jì)算公式為：2.3最大似然分類假設(shè)條件：數(shù)據(jù)符合多維正態(tài)分布。如果不符252.3最大似然分類2.3最大似然分類262.3最大似然分類2.3最大似然分類272.4馬氏距離分類這是一個(gè)方向敏感的分類器。類似于最大似然分類。區(qū)別是假定所有類別的斜方差矩陣是相同的。因此速度比最大似然法要快。2.4馬氏距離分類這是一個(gè)方向敏感的分類器。類似于最大似然282.5神經(jīng)網(wǎng)絡(luò)分類2.5.1概念2.5.2神經(jīng)元結(jié)構(gòu)2.5.3激勵(lì)函數(shù)2.5.4訓(xùn)練過(guò)程2.5.5誤差曲線2.5.6神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)2.5神經(jīng)網(wǎng)絡(luò)分類2.5.1概念292.5.1人工神經(jīng)網(wǎng)絡(luò)概念神經(jīng)網(wǎng)絡(luò)法是模擬人腦思維過(guò)程的智能推理算法。

影響神經(jīng)網(wǎng)絡(luò)的三個(gè)要素：神經(jīng)元（信息處理單元）的特性；神經(jīng)元之間的相互連接（拓?fù)浣Y(jié)構(gòu)）為適應(yīng)環(huán)境而改善性能的學(xué)習(xí)規(guī)則2.5.1人工神經(jīng)網(wǎng)絡(luò)概念神經(jīng)網(wǎng)絡(luò)法是模擬人腦思維過(guò)程的智30神經(jīng)網(wǎng)絡(luò)方法的原型——生物信息處理神經(jīng)網(wǎng)絡(luò)方法的原型——生物信息處理312.5.2神經(jīng)元結(jié)構(gòu)美國(guó)心理學(xué)家Mcculloch和數(shù)學(xué)家Pitts1943年提出的。2.5.2神經(jīng)元結(jié)構(gòu)美國(guó)心理學(xué)家Mcculloch和數(shù)學(xué)322.5.2神經(jīng)元結(jié)構(gòu)數(shù)學(xué)表達(dá)：2.5.2神經(jīng)元結(jié)構(gòu)數(shù)學(xué)表達(dá)：332.5.3激勵(lì)函數(shù)1)ThreshHold2）PiecewiseLinear3）Sigmoid4）Hyperbolic5）Logistic2.5.3激勵(lì)函數(shù)1)ThreshHold342.5.4訓(xùn)練過(guò)程2.5.4訓(xùn)練過(guò)程352.5.4訓(xùn)練過(guò)程把輸入模式映射到相應(yīng)分類器，所需知識(shí)由權(quán)值來(lái)體現(xiàn)。最初，給定問題域的權(quán)值是未知的，直到找到有用權(quán)值之前，神經(jīng)網(wǎng)絡(luò)不能解決這個(gè)問題。尋找有用權(quán)值集合的過(guò)程，稱為訓(xùn)練（也稱為學(xué)習(xí)過(guò)程）。2.5.4訓(xùn)練過(guò)程把輸入模式映射到相應(yīng)分類器，所需知識(shí)由權(quán)36BP學(xué)習(xí)BP學(xué)習(xí)372.5.5影響誤差曲線的因素除訓(xùn)練樣本本身以外；學(xué)習(xí)率：決定網(wǎng)絡(luò)的收斂速率。較大的學(xué)習(xí)率可以使學(xué)習(xí)的速率加快，但過(guò)大的學(xué)習(xí)率會(huì)導(dǎo)致學(xué)習(xí)過(guò)程在穩(wěn)定狀態(tài)附近跳躍，反而影響學(xué)習(xí)的速度。沖量項(xiàng)：加快收斂，并使變化平滑。2.5.5影響誤差曲線的因素除訓(xùn)練樣本本身以外；382.5.6神經(jīng)網(wǎng)絡(luò)方法的優(yōu)缺點(diǎn)神經(jīng)網(wǎng)絡(luò)方法是非線性的，同傳統(tǒng)分類方法相比較，它可以處理復(fù)雜的數(shù)據(jù)集，識(shí)別精細(xì)的模式。神經(jīng)網(wǎng)絡(luò)方法能夠利用多源數(shù)據(jù)，將潛在的信息提取出來(lái)。多源數(shù)據(jù)在量綱，單位，數(shù)據(jù)類型以及數(shù)據(jù)結(jié)構(gòu)方面的不兼容，以及傳統(tǒng)分類方法對(duì)數(shù)據(jù)條件的假設(shè)和限制，使得多源數(shù)據(jù)的綜合分析及分類精度受到影響。2.5.6神經(jīng)網(wǎng)絡(luò)方法的優(yōu)缺點(diǎn)神經(jīng)網(wǎng)絡(luò)方法是非線性的，同傳392.5.6神經(jīng)網(wǎng)絡(luò)方法的優(yōu)缺點(diǎn)目前對(duì)神經(jīng)網(wǎng)絡(luò)方法的使用效果還沒有獲得一致認(rèn)識(shí)。有的研究報(bào)告精度提高，也有一些研究指出它的分類結(jié)果不確定。神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置要經(jīng)過(guò)大量的實(shí)驗(yàn)，使之成為一個(gè)很難使用的方法。2.5.6神經(jīng)網(wǎng)絡(luò)方法的優(yōu)缺點(diǎn)目前對(duì)神經(jīng)網(wǎng)絡(luò)方法的使用效果40主要用于進(jìn)行高光譜數(shù)據(jù)的分類，傳統(tǒng)的方法對(duì)于高光譜分類時(shí)間開銷太大，要么進(jìn)行特征的選取或者特征選擇，要么采用新的分類方法：二值編碼方法光譜角分類方法主要用于進(jìn)行高光譜數(shù)據(jù)的分類，傳統(tǒng)的方法對(duì)于高光譜分類時(shí)間開41二、圖像分類方法3、監(jiān)督分類與非監(jiān)督分類方法比較根本區(qū)別在于是否利用訓(xùn)練場(chǎng)地來(lái)獲取先驗(yàn)的類別知識(shí)。監(jiān)督分類的關(guān)鍵是選擇訓(xùn)練場(chǎng)地。訓(xùn)練場(chǎng)地要有代表性，樣本數(shù)目要能夠滿足分類要求。此為監(jiān)督分類的不足之處。非監(jiān)督分類不需要更多的先驗(yàn)知識(shí)，據(jù)地物的光譜統(tǒng)計(jì)特性進(jìn)行分類。當(dāng)兩地物類型對(duì)應(yīng)的光譜特征差異很小時(shí)，分類效果不如監(jiān)督分類效果好。二、圖像分類方法3、監(jiān)督分類與非監(jiān)督分類方法比較根本區(qū)別在于42三、圖像分類中的有關(guān)問題1、未充分利用遙感圖像提供的多種信息只考慮多光譜特征，沒有利用到地物空間關(guān)系、圖像中提供的形狀和空間位置特征等方面的信息。統(tǒng)計(jì)模式識(shí)別以像素為識(shí)別的基本單元,未能利用圖像中提供的形狀和空間位置特征,其本質(zhì)是地物光譜特征分類。三、圖像分類中的有關(guān)問題1、未充分利用遙感圖像提供43三、圖像分類中的有關(guān)問題2、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。下墊面的影響：下墊面的覆蓋類型和起伏狀態(tài)對(duì)分類具有一定的影響。其他因素的影響：云朵覆蓋；不同時(shí)相的光照條件不同，同一地物的電磁輻射能量不同；地物邊界的多樣性。三、圖像分類中的有關(guān)問題2、提高遙感圖像分類精度受到限制大氣44第三節(jié)遙感圖像多種特征的抽取一、地物邊界跟蹤法點(diǎn)狀地物與面狀地物的邊界跟蹤線狀地物信息檢測(cè)與跟蹤二、形狀特征描述與提取地物形狀特征的描述地物形態(tài)特征的提取第三節(jié)遙感圖像多種特征的抽取一、地物邊界跟蹤法45第三節(jié)遙感圖像多種特征的抽取

三、地物空間關(guān)系特征描述與提取不同地物之間的空間關(guān)系：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。空間關(guān)系特征提取與描述（1）方位關(guān)系的提?。?）包含關(guān)系特征提取與描述（3）相鄰關(guān)系特征抽?。?）相交關(guān)系特征抽?。?）相關(guān)關(guān)系特征的提取第三節(jié)遙感圖像多種特征的抽取三、地物空間關(guān)系特征46第四節(jié)遙感圖像專家解譯系統(tǒng)

專家系統(tǒng)：把某一特定領(lǐng)域的專家知識(shí)與經(jīng)驗(yàn)形式化后輸入到計(jì)算機(jī)中，由計(jì)算機(jī)模仿專家思考問題與解決問題，是代替專家解決專業(yè)問題的技術(shù)系統(tǒng)。遙感圖像解譯專家系統(tǒng)的組成圖像處理與特征提取子系統(tǒng)遙感圖像解譯知識(shí)獲取子系統(tǒng)遙感圖像解譯專家系統(tǒng)的機(jī)理計(jì)算機(jī)解譯的主要技術(shù)發(fā)展趨勢(shì)

第四節(jié)遙感圖像專家解譯系統(tǒng)專家系統(tǒng)：把某一特47第四節(jié)遙感圖像專家解譯系統(tǒng)一、遙感圖像解譯專家系統(tǒng)的組成1、圖像處理與特征提取子系統(tǒng)：包括圖像處理、地形圖數(shù)字化、精糾正、特征提取，結(jié)果存貯在遙感數(shù)據(jù)庫(kù)內(nèi)。2、遙感圖像解譯知識(shí)獲取系統(tǒng)：獲取遙感圖像解譯專家知識(shí)，并把專家知識(shí)形式化表示，存貯在知識(shí)庫(kù)中。3、狹義的遙感圖像解譯專家系統(tǒng)。第四節(jié)遙感圖像專家解譯系統(tǒng)一、遙感圖像解譯專家系統(tǒng)的組48第四節(jié)遙感圖像專家解譯系統(tǒng)二、圖像處理與特征提取子系統(tǒng)1、圖像處理：圖像濾波可消除圖像的噪聲；圖像增強(qiáng)可突出目標(biāo)物體與背景的差異；大氣糾正可消除大氣散射、霧霽等影響；幾何精校正后的數(shù)字影像可與專題圖精確復(fù)合；2、分類與特征提取子系統(tǒng)從圖像中抽取光譜特征、圖像特征和空間特征，為專家系統(tǒng)進(jìn)行推理、判斷及分析提供依據(jù)。第四節(jié)遙感圖像專家解譯系統(tǒng)二、圖像處理與特征提取子系統(tǒng)149第四節(jié)遙感圖像專家解譯系統(tǒng)三、遙感圖像解譯知識(shí)獲取子系統(tǒng)1、遙感圖像解譯知識(shí)獲取系統(tǒng)的主要功能是知識(shí)獲取.2、知識(shí)獲取有三個(gè)層次:增加遙感解譯新知識(shí)發(fā)現(xiàn)原有錯(cuò)誤知識(shí),修改或補(bǔ)充新知識(shí)根據(jù)解譯結(jié)果,自動(dòng)總結(jié)經(jīng)驗(yàn)，修改錯(cuò)誤知識(shí),增加新知識(shí).4、遙感圖像解譯描述性知識(shí)可以采用框架式方法表示框架知識(shí)表示方法的特點(diǎn)5、過(guò)程性知識(shí)采用產(chǎn)生式規(guī)則知識(shí)表示方法產(chǎn)生式規(guī)則的特點(diǎn)第四節(jié)遙感圖像專家解譯系統(tǒng)三、遙感圖像解譯知識(shí)獲取子系50第四節(jié)遙感圖像專家解譯系統(tǒng)四、遙感圖像解譯專家系統(tǒng)的機(jī)理1、遙感圖像數(shù)據(jù)庫(kù)包括遙感圖像數(shù)據(jù)和每個(gè)地物單元的不同特征，由數(shù)據(jù)管理系統(tǒng)管理。2、解譯知識(shí)庫(kù)包括專家解譯知識(shí)和背景知識(shí)，由知識(shí)庫(kù)管理系統(tǒng)管理。3、推理機(jī)采用正向推理和反向推理相結(jié)合的方式進(jìn)行遙感圖像解譯。推理機(jī)具有兩種運(yùn)行形式咨詢式：用戶和系統(tǒng)進(jìn)行人機(jī)對(duì)話，解譯系統(tǒng)根據(jù)用戶提供的區(qū)域信息和任務(wù)要求，完成遙感圖像解譯。隱蔽式：解譯過(guò)程中圖像數(shù)據(jù)同解譯知識(shí)的結(jié)合在專家系統(tǒng)內(nèi)部進(jìn)行。數(shù)據(jù)的傳遞、知識(shí)的調(diào)用都在系統(tǒng)內(nèi)部獨(dú)立完成第四節(jié)遙感圖像專家解譯系統(tǒng)四、遙感圖像解譯專家系統(tǒng)的機(jī)理151第四節(jié)遙感圖像專家解譯系統(tǒng)五、計(jì)算機(jī)解譯的主要技術(shù)發(fā)展趨勢(shì)1、抽取遙感圖像多種特征對(duì)高分辨率衛(wèi)星圖像的自動(dòng)解譯來(lái)說(shuō)，一般分別對(duì)目標(biāo)地物采用低、中、高三個(gè)層次進(jìn)行特征抽取和表達(dá)。

低層次的對(duì)象是像素，每個(gè)像素對(duì)應(yīng)的數(shù)值是該地物波譜特征的表征；中層次主要抽取和描述目標(biāo)的形態(tài)、紋理等空間特征；高層次主要抽取和描述識(shí)別目標(biāo)與相鄰地物之間的空間關(guān)系。第四節(jié)遙感圖像專家解譯系統(tǒng)五、計(jì)算機(jī)解譯的主要技術(shù)發(fā)展趨52第四節(jié)遙感圖像專家解譯系統(tǒng)五、計(jì)算機(jī)解譯的主要技術(shù)發(fā)展趨勢(shì)2、逐步完成GIS各種專題數(shù)據(jù)庫(kù)的建設(shè)，利用GIS數(shù)據(jù)減少自動(dòng)解譯中的不確定性GIS數(shù)據(jù)庫(kù)在計(jì)算機(jī)自動(dòng)解譯中發(fā)揮以下重要作用：（1）對(duì)遙感圖像進(jìn)行輻射校正，消除或降低地形差異的影響；（2）作為解譯的直接證據(jù)，增加遙感圖像的信息量；（3）作為解譯的輔助證據(jù)，減少自動(dòng)解譯中的不確定性；（4）作為解譯結(jié)果的檢驗(yàn)數(shù)據(jù)，降低誤判率。第四節(jié)遙感圖像專家解譯系統(tǒng)五、計(jì)算機(jī)解譯的主要技術(shù)發(fā)展趨53第四節(jié)遙感圖像專家解譯系統(tǒng)五、計(jì)算機(jī)解譯的主要技術(shù)發(fā)展趨勢(shì)3、建立適用于遙感圖像自動(dòng)解譯的專家系統(tǒng)，提高自動(dòng)解譯的靈活性

需要從以下兩方面開展工作：建立解譯知識(shí)庫(kù)和背景知識(shí)庫(kù)。解譯知識(shí)庫(kù)是遙感圖像解譯認(rèn)識(shí)和經(jīng)驗(yàn)經(jīng)形式化后記錄在貯存介質(zhì)上的。背景知識(shí)庫(kù)是有關(guān)遙感解譯背景知識(shí)與經(jīng)驗(yàn)的集合，以地學(xué)知識(shí)為主。根據(jù)遙感圖像解譯的特點(diǎn)來(lái)構(gòu)造專家系統(tǒng)。第四節(jié)遙感圖像專家解譯系統(tǒng)五、計(jì)算機(jī)解譯的主要技術(shù)發(fā)展54第四節(jié)遙感圖像專家解譯系統(tǒng)五、計(jì)算機(jī)解譯的主要技術(shù)發(fā)展趨勢(shì)4、模式識(shí)別與專家系統(tǒng)相結(jié)合既可以發(fā)揮圖像解譯專家知識(shí)的指導(dǎo)作用，在一定程度上為模式識(shí)別提供經(jīng)驗(yàn)性的知識(shí)，又可以利用數(shù)字遙感圖像本身提供的特征，有助于提高計(jì)算機(jī)解譯的靈活性。第四節(jié)遙感圖像專家解譯系統(tǒng)五、計(jì)算機(jī)解譯的主要技術(shù)發(fā)展55第四節(jié)遙感圖像專家解譯系統(tǒng)五、計(jì)算機(jī)解譯的主要技術(shù)發(fā)展趨勢(shì)5、計(jì)算機(jī)解譯新方法的應(yīng)用（1）人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetworks)在遙感圖像識(shí)別中的應(yīng)用。（2）小波分析在遙感圖像識(shí)別中的應(yīng)用。（3）分形技術(shù)在遙感圖像識(shí)別中的應(yīng)用。（4）模糊分類方法遙感圖像識(shí)別中的應(yīng)用。第四節(jié)遙感圖像專家解譯系統(tǒng)五、計(jì)算機(jī)解譯的主要技術(shù)發(fā)展56目視解譯與計(jì)算機(jī)自動(dòng)分類遙感專題分類：是以區(qū)別圖像中所含多個(gè)目標(biāo)為目的，對(duì)每個(gè)像元或者比較勻質(zhì)的像元組給出對(duì)應(yīng)其特征的名稱。這些名稱為分類的類別，多個(gè)特征矢量定義的空間為特征空間。遙感專題分類的方法主要有人工目視解譯和計(jì)算機(jī)自動(dòng)分類。目視解譯是計(jì)算機(jī)自動(dòng)分類的基礎(chǔ)；計(jì)算機(jī)自動(dòng)分類總是盡可能地模擬目視解譯的過(guò)程。第六章遙感數(shù)字圖像的計(jì)算機(jī)解譯目視解譯與計(jì)算機(jī)自動(dòng)分類遙感專題分類：是以區(qū)別圖像中所含多個(gè)571.人工目視解譯目視解譯的主要方法1)直接判定法解譯人員根據(jù)遙感圖像上可以用肉眼直接觀測(cè)到的標(biāo)志如色調(diào)、形狀、陰影、紋理結(jié)構(gòu)、大小、位置、相關(guān)布局等建立“模式圖像”或稱做直接解譯標(biāo)志，來(lái)確定地物的存在和屬性，比如河流、房屋，鐵路等都可以直接判定。2)對(duì)比分析法借助不同時(shí)相、不同波段、地面資料進(jìn)行相互補(bǔ)充，相互驗(yàn)證。3）邏輯分析法運(yùn)用地學(xué)規(guī)律的相關(guān)分析和實(shí)際經(jīng)驗(yàn)，進(jìn)行邏輯判斷。例如根據(jù)水系的分布格局來(lái)判斷巖性和地貌類型；根據(jù)植被的類型來(lái)推斷土壤類型；利用地震后地應(yīng)力釋放形成的“構(gòu)造云”的分布來(lái)推測(cè)構(gòu)造應(yīng)力場(chǎng)等。邏輯分析大大開拓了遙感圖像所能發(fā)揮的作用。1.人工目視解譯目視解譯的主要方法582.計(jì)算機(jī)圖象分類在70年代初期，隨著遙感技術(shù)和地球資源衛(wèi)星的發(fā)射開始應(yīng)用于遙感圖像處理方面，奠定了遙感圖像分類的數(shù)學(xué)理論基礎(chǔ)。遙感專題分類屬于模式識(shí)別的范疇。模式識(shí)別的主要方法有統(tǒng)計(jì)模式識(shí)別、句法模式識(shí)別、模糊識(shí)別和智能模式識(shí)別。智能模式識(shí)別又分為人工神經(jīng)網(wǎng)絡(luò)和邏輯推理系統(tǒng)。除句法模式識(shí)別主要應(yīng)用于文字、符號(hào)、語(yǔ)言的識(shí)別外，其他三種方法在遙感專題分類都有不同程度的使用，其中統(tǒng)計(jì)模式識(shí)別方法應(yīng)用最為普遍。這些方法在遙感圖像專題分類中經(jīng)常采用兩種方案，一是監(jiān)督分類，另一種是非監(jiān)督分類。兩者只是實(shí)施的步驟上有前后差別，其理論本質(zhì)是一樣的。非監(jiān)督分類，事先沒有類別的先驗(yàn)知識(shí)，純粹根據(jù)圖像數(shù)據(jù)的統(tǒng)計(jì)特征和點(diǎn)群分布情況，根據(jù)相似性程度自動(dòng)進(jìn)行歸類，最后再確定每一類的地理屬性。監(jiān)督分類有類別的先驗(yàn)知識(shí)，根據(jù)先驗(yàn)知識(shí)選擇訓(xùn)練樣本，由訓(xùn)練樣本得到分類準(zhǔn)則。2.計(jì)算機(jī)圖象分類在70年代初期，隨著遙感技術(shù)和地球資源衛(wèi)592.計(jì)算機(jī)圖象分類概念：以區(qū)別圖象中所含的多個(gè)目標(biāo)物為目的，對(duì)每個(gè)像元或者比較均勻的像元組給出對(duì)應(yīng)其特征的名稱。特征名稱一般稱類別，例如土地利用/覆蓋中的居民地、水域、園地、林地、耕地等。參與分類的多個(gè)特征量（向量）所定義的空間，稱為特征空間，例如2個(gè)波段定義的2維特征空間，3個(gè)波段定義的3維特征空間等。2.計(jì)算機(jī)圖象分類概念：以區(qū)別圖象中所含的多個(gè)目標(biāo)物為目的602.計(jì)算機(jī)圖象分類目視解譯和計(jì)算機(jī)圖象分類的對(duì)比2.計(jì)算機(jī)圖象分類目視解譯和計(jì)算機(jī)圖象分類的對(duì)比61第一節(jié)遙感數(shù)字圖像的性質(zhì)與特點(diǎn)第二節(jié)遙感數(shù)字圖像的計(jì)算機(jī)分類第三節(jié)遙感圖像多種特征的抽取第四節(jié)遙感圖像解譯專家系統(tǒng)第一節(jié)遙感數(shù)字圖像的性質(zhì)與特點(diǎn)62第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)遙感數(shù)字圖像遙感數(shù)字圖像是以數(shù)字表示的遙感圖像,其最基本的單元是像素.像素是成像過(guò)程的采樣點(diǎn),也是計(jì)算機(jī)處理圖像的最小單元.像素具有空間特征和屬性特征.像素的屬性特征采用亮度值來(lái)表達(dá).正像素;混合像素第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)遙感數(shù)字圖像63第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)

二、遙感數(shù)字圖像的特點(diǎn)便于計(jì)算機(jī)處理與分析圖像信息損失少抽象性強(qiáng)第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)二、遙感數(shù)字圖像的特點(diǎn)64第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)三、遙感數(shù)字圖像的表示方法遙感數(shù)字圖像是以二維數(shù)組來(lái)表示的.第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)三、遙感數(shù)字圖像的表示方法65第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)三、遙感數(shù)字圖像的表示方法遙感圖像按照波段數(shù)量分為:單波段數(shù)字圖像:SPOT的全色波段.多波段數(shù)字圖像:TM的7個(gè)波段數(shù)據(jù).多波段數(shù)字圖像的三種數(shù)據(jù)格式BSQ格式(Bandsequential)BIP格式(Bandinterleavedbypixel)BIL格式(Bandinterleavedbyline)第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)三、遙感數(shù)字圖像的表示方法遙感66第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)四、航空像片的數(shù)字化空間采樣：將航空像片具有的連續(xù)灰度信息轉(zhuǎn)化為每行有m個(gè)單元，每列有n個(gè)單元的像素組合。屬性量化：可得到每個(gè)像元的數(shù)字模擬量，與航空像片中對(duì)應(yīng)位置上的灰度相對(duì)應(yīng)。第一節(jié)數(shù)字圖像的性質(zhì)和特點(diǎn)四、航空像片的數(shù)字化空間采樣：67第二節(jié)遙感圖像的計(jì)算機(jī)分類第二節(jié)遙感圖像的計(jì)算機(jī)分類68一、分類原理與基本過(guò)程遙感圖像計(jì)算機(jī)分類的依據(jù)是遙感圖像像素的相似度。常使用距離和相關(guān)系數(shù)來(lái)衡量相似度。采用距離衡量相似度時(shí)，距離越小相似度越大。采用相關(guān)系數(shù)衡量相似度時(shí)，相關(guān)程度越大，相似度越大。遙感圖像計(jì)算機(jī)分類方法監(jiān)督分類法：選擇具有代表性的典型實(shí)驗(yàn)區(qū)或訓(xùn)練區(qū)，用訓(xùn)練區(qū)中已知地面各類地物樣本的光譜特性來(lái)“訓(xùn)練”計(jì)算機(jī)，獲得識(shí)別各類地物的判別函數(shù)或模式，并以此對(duì)未知地區(qū)的像元進(jìn)行分類處理，分別歸入到已知的類別中。非監(jiān)督分類：是在沒有先驗(yàn)類別（訓(xùn)練場(chǎng)地）作為樣本的條件下，即事先不知道類別特征，主要根據(jù)像元間相似度的大小進(jìn)行歸類合并（即相似度的像元?dú)w為一類）的方法。一、分類原理與基本過(guò)程遙感圖像計(jì)算機(jī)分類的依據(jù)是遙感圖像像素69一、分類原理與基本過(guò)程遙感數(shù)字圖像計(jì)算機(jī)分類基本過(guò)程根據(jù)圖像分類目的選取特定區(qū)域的遙感數(shù)字圖像，需考慮圖像的空間分辨率、光譜分辨率、成像時(shí)間、圖像質(zhì)量等。根據(jù)研究區(qū)域，收集與分析地面參考信息與有關(guān)數(shù)據(jù)。根據(jù)分類要求和圖像數(shù)據(jù)的特征，選擇合適的圖像分類方法和算法。制定分類系統(tǒng)，確定分類類別。找出代表這些類別的統(tǒng)計(jì)特征為了測(cè)定總體特征，在監(jiān)督分類中可選擇具有代表性的訓(xùn)練場(chǎng)地進(jìn)行采樣，測(cè)定其特征。在非監(jiān)督分類中，可用聚類等方法對(duì)特征相似的像素進(jìn)行歸類，測(cè)定其特征。對(duì)遙感圖像中各像素進(jìn)行分類。分類精度檢查。對(duì)判別分析的結(jié)果進(jìn)行統(tǒng)計(jì)檢驗(yàn)。一、分類原理與基本過(guò)程遙感數(shù)字圖像計(jì)算機(jī)分類基本過(guò)程70二、圖像分類方法

1、監(jiān)督分類2、非監(jiān)督分類3、監(jiān)督分類與非監(jiān)督分類方法比較二、圖像分類方法711非監(jiān)督分類分類標(biāo)準(zhǔn)的確定不需要人的參與，由計(jì)算機(jī)根據(jù)某一標(biāo)準(zhǔn)（例如距離最短）自動(dòng)進(jìn)行。需要確定要分幾種類別，或者類似的輸入條件。分類后的結(jié)果，還需要再給出具體的涵義。類似的概念：聚類分析、點(diǎn)群分析、空間集群等。常用的非監(jiān)督分類方法：1）K-MEANS;2)ISODATA1非監(jiān)督分類分類標(biāo)準(zhǔn)的確定不需要人的參與，由計(jì)算機(jī)根據(jù)某一721.1K-MEANSSTEP1:任意選擇K個(gè)聚類中心，一般選前K個(gè)樣本；STEP2:迭代，未知樣本X分到距離最近的類中；STEP3:根據(jù)STEP2的結(jié)果，重新計(jì)算聚類中心；STEP4:每一類的像元數(shù)目變化達(dá)到要求，算法結(jié)束。影響K－均值法的因素：聚類中心數(shù)目，初始類中心的選擇，樣本輸入的次序，數(shù)據(jù)的幾何特性等。K-均值算法在數(shù)據(jù)空間內(nèi)平均計(jì)算各類的均值，使用最小距離法，將未知像元?jiǎng)澐值侥骋活愔?，再調(diào)整均值，直到迭代次數(shù)滿足，或者距離閾值滿足。輸入?yún)?shù):Numberofclass:要分成幾類Changethreshold%(0-100):如果每一類的像元數(shù)目變化小于此數(shù)值，則迭代停止。1.1K-MEANSSTEP1:任意選擇K個(gè)聚類中心，一731.2ISODATAISODATA迭代自組織數(shù)據(jù)分析算法（InteractiveSelf-OrganizingDataAnalysisTechnologyAlgorithm,簡(jiǎn)稱ISODATA）在K均值算法的基礎(chǔ)上，加入了試探性的步驟，能夠吸取中間結(jié)果的經(jīng)驗(yàn)，在迭代的過(guò)程中可以進(jìn)行類別的分離和合并，具有“自組織”性，是目前非監(jiān)督分類中使用最為廣泛的算法。該算法中影響分類結(jié)果的參數(shù)有：迭代次數(shù)、類別數(shù)、參加分類的波段數(shù)目。輸入?yún)?shù)：

最大和最小類別數(shù)目，因?yàn)樗惴ㄟM(jìn)行自動(dòng)的類別分裂和合并，所以不能確定類別的具體數(shù)目。

最大迭代次數(shù)和每類中像元數(shù)量的變化，其中一項(xiàng)滿足，則分類結(jié)束。如果某一類別中的像元數(shù)目不滿足Minimum#pixelinclass，則刪除該類別，像元?dú)w并到最近的一類中。如果某一類的標(biāo)準(zhǔn)差大于Minimumclassstdv，則該類別需要分裂成兩個(gè)類別。如果來(lái)年改革類別的平均距離小于Maximumclassdistance，則該兩個(gè)類別合并成一類。Maximum#mergeclass定義最多合并多少類別。Maximumstdevfrommean;Maximumdistanceerror.1.2ISODATAISODATA迭代自組織數(shù)據(jù)分析算法741.2ISODATAN―所要求的類別數(shù)I―迭代次數(shù)限定值Tn―每類集群中至少應(yīng)有的點(diǎn)數(shù)Tc―集群分裂標(biāo)準(zhǔn)即每類集群所允許的最大標(biāo)準(zhǔn)差Tm―集群合并標(biāo)準(zhǔn)即兩燈集群中心間允許的最小距離1.2ISODATAN―所要求的類別數(shù)752監(jiān)督分類2.1

平行管道分類2.2最小距離分類2.3最大似然分類2.4馬氏距離分類2.5神經(jīng)網(wǎng)絡(luò)分類方法2.6光譜角分類2.7二值編碼分類2監(jiān)督分類762.1平行管道分類使用簡(jiǎn)單的分類規(guī)則進(jìn)行多光譜遙感圖像的分類。決策線在n維光譜空間中是一個(gè)平行的管道。管道的直徑根據(jù)距離平均值的標(biāo)準(zhǔn)差確定。如果某個(gè)像元落在某一類的平行管道的閾值范圍內(nèi)，則劃分到該類別中。如果落在多個(gè)類中，ENVI則將這個(gè)像元?jiǎng)澐值阶詈笃ヅ涞念悇e。落不到任何管道中，則標(biāo)識(shí)為未分類像元。輸入?yún)?shù)Maxstdevfromthemean,是距離平均值多少個(gè)標(biāo)準(zhǔn)差。2.1平行管道分類使用簡(jiǎn)單的分類規(guī)則進(jìn)行多光譜遙感圖像的分772.1平行管道分類2.1平行管道分類782.2最小距離分類計(jì)算未知像元距離各個(gè)類別均值向量的歐氏距離，將該像元?jiǎng)澐值骄嚯x最小的類別中。如果沒有確定最大的標(biāo)準(zhǔn)差和距離閾值，則所有的像元都會(huì)分類。輸入?yún)?shù)：Maxstdevfromthemean,是距離平均值多少個(gè)標(biāo)準(zhǔn)差。Maxdistanceerror,距離的最大閾值如果兩個(gè)參數(shù)都輸入了，ENVI使用其中小的作為最終的判別標(biāo)準(zhǔn)。2.2最小距離分類計(jì)算未知像元距離各個(gè)類別均值向量的歐氏距792.2最小距離分類2.2最小距離分類802.3最大似然分類假設(shè)條件：數(shù)據(jù)符合多維正態(tài)分布。如果不符合，分類的精度也將下降。計(jì)算每個(gè)像元屬于各個(gè)類別的似然度（likelihood）,該像元分到似然度最大的類別中。似然度是像元數(shù)據(jù)X屬于類別k的后驗(yàn)概率。如果類別k中X的條件概率為P(x/k),則似然度Lk的計(jì)算公式為：2.3最大似然分類假設(shè)條件：數(shù)據(jù)符合多維正態(tài)分布。如果不符812.3最大似然分類2.3最大似然分類822.3最大似然分類2.3最大似然分類832.4馬氏距離分類這是一個(gè)方向敏感的分類器。類似于最大似然分類。區(qū)別是假定所有類別的斜方差矩陣是相同的。因此速度比最大似然法要快。2.4馬氏距離分類這是一個(gè)方向敏感的分類器。類似于最大似然842.5神經(jīng)網(wǎng)絡(luò)分類2.5.1概念2.5.2神經(jīng)元結(jié)構(gòu)2.5.3激勵(lì)函數(shù)2.5.4訓(xùn)練過(guò)程2.5.5誤差曲線2.5.6神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)2.5神經(jīng)網(wǎng)絡(luò)分類2.5.1概念852.5.1人工神經(jīng)網(wǎng)絡(luò)概念神經(jīng)網(wǎng)絡(luò)法是模擬人腦思維過(guò)程的智能推理算法。

影響神經(jīng)網(wǎng)絡(luò)的三個(gè)要素：神經(jīng)元（信息處理單元）的特性；神經(jīng)元之間的相互連接（拓?fù)浣Y(jié)構(gòu)）為適應(yīng)環(huán)境而改善性能的學(xué)習(xí)規(guī)則2.5.1人工神經(jīng)網(wǎng)絡(luò)概念神經(jīng)網(wǎng)絡(luò)法是模擬人腦思維過(guò)程的智86神經(jīng)網(wǎng)絡(luò)方法的原型——生物信息處理神經(jīng)網(wǎng)絡(luò)方法的原型——生物信息處理872.5.2神經(jīng)元結(jié)構(gòu)美國(guó)心理學(xué)家Mcculloch和數(shù)學(xué)家Pitts1943年提出的。2.5.2神經(jīng)元結(jié)構(gòu)美國(guó)心理學(xué)家Mcculloch和數(shù)學(xué)882.5.2神經(jīng)元結(jié)構(gòu)數(shù)學(xué)表達(dá)：2.5.2神經(jīng)元結(jié)構(gòu)數(shù)學(xué)表達(dá)：892.5.3激勵(lì)函數(shù)1)ThreshHold2）PiecewiseLinear3）Sigmoid4）Hyperbolic5）Logistic2.5.3激勵(lì)函數(shù)1)ThreshHold902.5.4訓(xùn)練過(guò)程2.5.4訓(xùn)練過(guò)程912.5.4訓(xùn)練過(guò)程把輸入模式映射到相應(yīng)分類器，所需知識(shí)由權(quán)值來(lái)體現(xiàn)。最初，給定問題域的權(quán)值是未知的，直到找到有用權(quán)值之前，神經(jīng)網(wǎng)絡(luò)不能解決這個(gè)問題。尋找有用權(quán)值集合的過(guò)程，稱為訓(xùn)練（也稱為學(xué)習(xí)過(guò)程）。2.5.4訓(xùn)練過(guò)程把輸入模式映射到相應(yīng)分類器，所需知識(shí)由權(quán)92BP學(xué)習(xí)BP學(xué)習(xí)932.5.5影響誤差曲線的因素除訓(xùn)練樣本本身以外；學(xué)習(xí)率：決定網(wǎng)絡(luò)的收斂速率。較大的學(xué)習(xí)率可以使學(xué)習(xí)的速率加快，但過(guò)大的學(xué)習(xí)率會(huì)導(dǎo)致學(xué)習(xí)過(guò)程在穩(wěn)定狀態(tài)附近跳躍，反而影響學(xué)習(xí)的速度。沖量項(xiàng)：加快收斂，并使變化平滑。2.5.5影響誤差曲線的因素除訓(xùn)練樣本本身以外；942.5.6神經(jīng)網(wǎng)絡(luò)方法的優(yōu)缺點(diǎn)神經(jīng)網(wǎng)絡(luò)方法是非線性的，同傳統(tǒng)分類方法相比較，它可以處理復(fù)雜的數(shù)據(jù)集，識(shí)別精細(xì)的模式。神經(jīng)網(wǎng)絡(luò)方法能夠利用多源數(shù)據(jù)，將潛在的信息提取出來(lái)。多源數(shù)據(jù)在量綱，單位，數(shù)據(jù)類型以及數(shù)據(jù)結(jié)構(gòu)方面的不兼容，以及傳統(tǒng)分類方法對(duì)數(shù)據(jù)條件的假設(shè)和限制，使得多源數(shù)據(jù)的綜合分析及分類精度受到影響。2.5.6神經(jīng)網(wǎng)絡(luò)方法的優(yōu)缺點(diǎn)神經(jīng)網(wǎng)絡(luò)方法是非線性的，同傳952.5.6神經(jīng)網(wǎng)絡(luò)方法的優(yōu)缺點(diǎn)目前對(duì)神經(jīng)網(wǎng)絡(luò)方法的使用效果還沒有獲得一致認(rèn)識(shí)。有的研究報(bào)告精度提高，也有一些研究指出它的分類結(jié)果不確定。神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置要經(jīng)過(guò)大量的實(shí)驗(yàn)，使之成為一個(gè)很難使用的方法。2.5.6神經(jīng)網(wǎng)絡(luò)方法的優(yōu)缺點(diǎn)目前對(duì)神經(jīng)網(wǎng)絡(luò)方法的使用效果96主要用于進(jìn)行高光譜數(shù)據(jù)的分類，傳統(tǒng)的方法對(duì)于高光譜分類時(shí)間開銷太大，要么進(jìn)行特征的選取或者特征選擇，要么采用新的分類方法：二值編碼方法光譜角分類方法主要用于進(jìn)行高光譜數(shù)據(jù)的分類，傳統(tǒng)的方法對(duì)于高光譜分類時(shí)間開97二、圖像分類方法3、監(jiān)督分類與非監(jiān)督分類方法比較根本區(qū)別在于是否利用訓(xùn)練場(chǎng)地來(lái)獲取先驗(yàn)的類別知識(shí)。監(jiān)督分類的關(guān)鍵是選擇訓(xùn)練場(chǎng)地。訓(xùn)練場(chǎng)地要有代表性，樣本數(shù)目要能夠滿足分類要求。此為監(jiān)督分類的不足之處。非監(jiān)督分類不需要更多的先驗(yàn)知識(shí)，據(jù)地物的光譜統(tǒng)計(jì)特性進(jìn)行分類。當(dāng)兩地物類型對(duì)應(yīng)的光譜特征差異很小時(shí)，分類效果不如監(jiān)督分類效果好。二、圖像分類方法3、監(jiān)督分類與非監(jiān)督分類方法比較根本區(qū)別在于98三、圖像分類中的有關(guān)問題1、未充分利用遙感圖像提供的多種信息只考慮多光譜特征，沒有利用到地物空間關(guān)系、圖像中提供的形狀和空間位置特征等方面的信息。統(tǒng)計(jì)模式識(shí)別以像素為識(shí)別的基本單元,未能利用圖像中提供的形狀和空間位置特征,其本質(zhì)是地物光譜特征分類。三、圖像分類中的有關(guān)問題1、未充分利用遙感圖像提供99三、圖像分類中的有關(guān)問題2、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。下墊面的影響：下墊面的覆蓋類型和起伏狀態(tài)對(duì)分類具有一定的影響。其他因素的影響：云朵覆蓋；不同時(shí)相的光照條件不同，同一地物的電磁輻射能量不同；地物邊界的多樣性。三、圖像分類中的有關(guān)問題2、提高遙感圖像分類精度受到限制大氣100第三節(jié)遙感圖像多種特征的抽取一、地物邊界跟蹤法點(diǎn)狀地物與面狀地物的邊界跟蹤線狀地物信息檢測(cè)與跟蹤二、形狀特征描述與提取地物形狀特征的描述地物形態(tài)特征的提取第三節(jié)遙感圖像多種特征的抽取一、地物邊界跟蹤法101第三節(jié)遙感圖像多種特征的抽取

三、地物空間關(guān)系特征描述與提取不同地物之間的空間關(guān)系：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?？臻g關(guān)系特征提取與描述（1）方位關(guān)系的提?。?）包含關(guān)系特征提取與描述（3）相鄰關(guān)系特征抽取（4）相交關(guān)系特征抽?。?）相關(guān)關(guān)系特征的提取第三節(jié)遙感圖像多種特征的抽取三、地物空間關(guān)系特征102第四節(jié)遙感圖像專家解譯系統(tǒng)

專家系統(tǒng)：把某一特定領(lǐng)域的專家知識(shí)與經(jīng)驗(yàn)形式化后輸入到計(jì)算機(jī)中，由計(jì)算機(jī)模仿專家思考問題與解決問題，是代替專家解決專業(yè)問題的技術(shù)系統(tǒng)。遙感圖像解譯專家系統(tǒng)的組成圖像處理與特征提取子系統(tǒng)遙感圖像解譯知識(shí)獲取子系統(tǒng)遙感圖像解譯專家系統(tǒng)的機(jī)理計(jì)算機(jī)解譯的主要技術(shù)發(fā)展趨勢(shì)

第四節(jié)遙感圖像專家解譯系統(tǒng)專家系統(tǒng)：把某一特103第四節(jié)遙感圖像專家解譯系統(tǒng)一、遙感圖像解譯專家系統(tǒng)的組成1、圖像處理與特征提取子系統(tǒng)：包括圖像處理、地形圖數(shù)字化、精糾正、特征提取，結(jié)果存貯在遙感數(shù)據(jù)庫(kù)內(nèi)。2、遙感圖像解譯知識(shí)獲取系統(tǒng)：獲取遙感圖像解譯