第九章遙感圖像分類

遙感影像分類遙感影像計算機自動解譯利用計算機通過對遙感圖像中各類地物的光譜信息和空間信息進(jìn)行分析，選擇特征，并用一定的手段將特征空間劃分為互不重疊的子空間，然后將圖像中的各個像元劃歸到各個子空間去。特征—能夠反映地物光譜信息和空間信息并可用于圖像分類處理的變量.遙感影像分類基于統(tǒng)計的方法和基于規(guī)則的方法監(jiān)督分類和非監(jiān)督分類硬分類和軟分類逐像元分類和面向?qū)ο蠓诸惙诸悩?biāo)準(zhǔn)按照邏輯準(zhǔn)則組織的信息類別正確的分類學(xué)定義參考標(biāo)準(zhǔn):美國規(guī)劃協(xié)會的土地分類標(biāo)準(zhǔn)(LBCS)美國國家植被分類系統(tǒng)基于統(tǒng)計的分類方法遙感影像光譜特征分布特點遙感影像分類原理同類地物在相同的條件下（紋理、地形等），應(yīng)具有相同或相似的光譜信息特征和空間信息特征，從而表現(xiàn)出同類地物的某種內(nèi)在的相似性，即同類地物像元的特征向量將集群在同一特征空間區(qū)域；而不同的地物其光譜信息特征或空間信息特征將不同，集群在不同的特征空間區(qū)域?；诠庾V特征的分類原理遙感圖像計算機分類的依據(jù)是遙感圖像像素的相似度。常使用距離和相關(guān)系數(shù)來衡量相似度。采用距離衡量相似度時，距離越小相似度越大。采用相關(guān)系數(shù)衡量相似度時，相關(guān)程度越大，相似度越大。監(jiān)督分類和非監(jiān)督分類監(jiān)督分類法：選擇具有代表性的典型實驗區(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“訓(xùn)練”計算機，獲得識別各類地物的判別函數(shù)或模式，并以此對未知地區(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：是在沒有先驗類別（訓(xùn)練場地）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（即相似度的像元歸為一類）的方法。遙感分類基本過程根據(jù)圖像分類目的選取特定區(qū)域的遙感影像，考慮空間分辨率、光譜分辨率、成像時間、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)分類要求和影像的特征，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)計特征測定總體特征，在監(jiān)督分類中可選擇具有代表性的訓(xùn)練場地進(jìn)行采樣。在非監(jiān)督分類中，可用聚類等方法對特征相似的像素進(jìn)行歸類，測定其特征。對遙感圖像中各像素進(jìn)行分類。分類精度檢查。對判別分析的結(jié)果進(jìn)行統(tǒng)計檢驗。非監(jiān)督分類—特征空間圖形識別圖形識別分類就是對分類的地區(qū)事先完全不了解，計算機只根據(jù)人們規(guī)定的某些要求和閾值對圖像進(jìn)行分析，采用對圖像逐行逐個像元相比較的無人管理分類方法。

特征空間圖形識別分類特點1．不能精確控制分類的類別數(shù)。2．當(dāng)?shù)匚锕庾V響應(yīng)是不重合的正態(tài)分布時是可行的，并且容易實現(xiàn)，但若特征分布出現(xiàn)交疊，則使用這種方法將產(chǎn)生較大的分類錯誤。3．該分類法的主要優(yōu)點是簡單、速度快。非監(jiān)督分類—系統(tǒng)聚類1）將圖像中每個像元看作一類，作為分類的初始值2）計算各類均值間的相關(guān)系數(shù)矩陣R3）從已分類別中選取最鄰近的兩類進(jìn)行合并4）重復(fù)步驟2-3，直到合并的新類之間符合分類的要求為止(各類間的相關(guān)系數(shù)小于閥值或是距離大于閥值）系統(tǒng)聚類法的局限性系統(tǒng)聚類過程中采用的統(tǒng)計量要視具體情況而定，但也可利用該特點結(jié)合不同統(tǒng)計量分類，提高準(zhǔn)確性非監(jiān)督分類—動態(tài)聚類動態(tài)聚類就是在開始時先建立一批初始中心，而讓待分類的各個像元依據(jù)某些判決準(zhǔn)則向初始中心凝聚，然后再逐步修改調(diào)整中心，重新分類；并根據(jù)各類離散性統(tǒng)計量和兩類間可分離性的統(tǒng)計量再進(jìn)行合并和分裂。此后再修改調(diào)整中心，這樣不斷繼續(xù)下去，直到分類比較合理為止。監(jiān)督分類需要事先確定訓(xùn)練場地和選擇訓(xùn)練樣本，訓(xùn)練樣本需要具有一定的代表性考慮到各種地物光譜輻射的復(fù)雜性和干擾因素的多樣性，需要多考慮一些樣本在某一地區(qū)建立起來的判別式只能適用于同一地區(qū)或地學(xué)條件相似的地區(qū)監(jiān)督分類-訓(xùn)練樣區(qū)選擇與統(tǒng)計收集現(xiàn)場信息在屏訓(xùn)練數(shù)據(jù)多邊形選擇在屏訓(xùn)練數(shù)據(jù)的種子選擇監(jiān)督分類—訓(xùn)練樣本的選取用于監(jiān)督分類地訓(xùn)練場地應(yīng)該是光譜特征比較均一的地區(qū)，一般在圖像顯示中根據(jù)均一的色調(diào)估計只有一類地物，而且一類地物的訓(xùn)練場地可選取一塊以上。訓(xùn)練樣本的數(shù)目至少要能滿足建立分類用判別函數(shù)的要求，以克服各種偶然因素的影響，而對于光譜特征變化較大的地物，訓(xùn)練樣本的數(shù)目要更多一些，以反映其變化范圍。一般情況下，要得出可靠的統(tǒng)計數(shù)據(jù)，每類至少要有10～100個訓(xùn)練樣本數(shù)據(jù)。監(jiān)督分類—訓(xùn)練樣本的選取盡可能地利用一些已知的有用資料，來確定訓(xùn)練場地和訓(xùn)練樣本。在使用各種圖件資料時應(yīng)注意以下兩個方面：

（1）各種圖件的成圖日期要盡可能地接近圖像成像日期,以保證地物類別分類準(zhǔn)確。

（2）空間。要考慮到每一種地物類型隨空間變化發(fā)生光譜特征變化的可能性，選擇訓(xùn)練場地應(yīng)當(dāng)能夠反映這種變化。在監(jiān)督分類中由于訓(xùn)練場地是人為選取的，可能不包括所有的自然地物類別，因而分類后留下無類可歸的像元。對于這種情況，有兩種解決方法：一是將無類可歸的像元組成一個未知類；二是按最近距離原則劃歸到各個已知類中。監(jiān)督分類-波段特征選取獲取每個感興趣類在各波段上的訓(xùn)練統(tǒng)計量后，必須確定能最有效區(qū)分各種類的波段方法：統(tǒng)計分析方法圖形分析方法監(jiān)督分類-最小距離分類法距離作為判別準(zhǔn)則，根據(jù)像點到各類中心的距離來判別分類距離公式歐幾里德距離絕對距離不同類別的灰度值的變化范圍即其方差的大小是不同的，不能簡單地用像元到類中心的距離來劃分像元的歸屬；自然地物類別的點群分布不一定是圓形或球形的，即在不同方向上半徑是不同的，因而距離的量度在不同方向上應(yīng)有所差異。K-最近鄰分類器

監(jiān)督分類--最大似然比分類法遙感影像分類后處理-小區(qū)合并分類后影像像元值—地面物體的類別問題：存在零星分布的小面積區(qū)域解決方法：

1）分類前影像平滑

2）分類后小區(qū)合并—將小于一定面積的像元合并到鄰近區(qū)域遙感影像分類后處理—誤差分析目的：檢驗分類效果方法：抽樣檢驗抽樣方法：1）監(jiān)督分類的樣本區(qū)2）試驗場抽樣3）隨機抽樣評價方式：混淆矩陣輔助數(shù)據(jù)改進(jìn)遙感分類的方法地理分層分類器操作分類后處理遙感信息與非遙感信息的復(fù)合遙感影像與地圖的復(fù)合

地圖影像化

影像地圖化DTM與遙感數(shù)據(jù)的復(fù)合遙感與地球物理、地球化學(xué)數(shù)據(jù)的復(fù)合遙感信息與地球物理、化學(xué)數(shù)據(jù)復(fù)合遙感信息--地表空間特征地球物理、地球化學(xué)特征--不同深度地物的物理性質(zhì)，如內(nèi)部結(jié)構(gòu)、物理組成、基層表面起伏專題圖柵格化空間配準(zhǔn)構(gòu)建信息表達(dá)模型及提取方法遙感信息與地球物理、化學(xué)數(shù)據(jù)復(fù)合基于面向?qū)ο笥跋穹指畹姆诸惙椒ㄟb感信息認(rèn)知中的對象對象對象面向基元的遙感信息提取方案高空間分辨率影像SAR數(shù)據(jù)Lidar數(shù)據(jù)GIS矢量數(shù)據(jù)多尺度分析光譜、形狀、紋理特征庫模糊規(guī)則庫認(rèn)知基元基元特征的定量化表達(dá)模糊邏輯推理信息提取結(jié)果決策知識庫地物知識庫數(shù)據(jù)層分析層基元層決策層結(jié)果層遙感信息認(rèn)知中的尺度問題地表信息—多層次結(jié)構(gòu)尺度依賴認(rèn)知過程--不同的地物實體有不同的最佳提取尺度選擇適當(dāng)?shù)某叨?，才能有效、完整地提取信?/p>

影像對象的尺度表示…鄰對象…子對象…父對象35影像對象構(gòu)建方法多尺度影像分割首先通過初始分割將影像像元合并成較小的初始影像對象,然后通過多次循環(huán)將較小的影像對象合并成較大的多邊形對象尺度空間內(nèi)影像對象構(gòu)建考慮遙感、高程、專題矢量圖層等多源信息的構(gòu)建模型多種約束的基元構(gòu)建方法保證基元的準(zhǔn)確性閾值控制基元所在尺度層次37影像對象構(gòu)建方法與參數(shù)優(yōu)化對象合并準(zhǔn)則在初始分割基礎(chǔ)上，通過將初始影像對象逐步合并為較大的對象來實現(xiàn)多尺度對象的構(gòu)建，對象合并的停止條件是由其尺度準(zhǔn)則決定的38影像對象構(gòu)建方法尺度為：16平均面積：867.6尺度為：32平均面積：2131.1尺度為：128平均面積：8274.8尺度為：256平均面積：30171影像對象的特征描述基于對象的信息識別作操輯邏…目標(biāo)類2目標(biāo)類3目標(biāo)類n目標(biāo)類1特征1特征2特征3特征m…結(jié)果特征元μc1μc2