1、1一、遙感影像分類一、遙感影像分類 第1頁/共76頁2分類前分類前分類后分類后非監督非監督分類分類第2頁/共76頁3分類前分類前分類后分類后分類分類第3頁/共76頁4分類前分類前分類后分類后分類分類第4頁/共76頁5一、遙感影像分類一、遙感影像分類 遙感影像分類的概念及原理遙感影像分類的概念及原理 遙感影像分類的特點和原則遙感影像分類的特點和原則 遙感影像的分類順序遙感影像的分類順序 影像分類統計量影像分類統計量 第5頁/共76頁6概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 概念： 是指通過對遙感影像中各類地物的光譜信息和

2、空間信息的分析來選擇特征，并將特征空間劃分為互不重疊的子空間，將影像中各像元劃歸到各子空間的過程。第6頁/共76頁7概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 原始影像原始影像亮度值亮度值第7頁/共76頁8概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 原理： 根據各類樣本內在的相似性將相似的種類(像元)合并，將不相似的種類(像元)分開，使各像元在特征空間的分布按其相似性分割或合并成一些集群。 第8頁/共76頁9概念及原理概念及原理 特點和原則特點和原則

3、分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 第9頁/共76頁10概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 同類地物在相同條件下應具有相同或相似的信息特征。第10頁/共76頁11概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 混合像元的存在常使得同類地物的特征向量也不盡相同。30m R10m R第11頁/共76頁12概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類

4、 影像分類的關鍵問題之一是選擇適當的分類規則(或叫分類器)，通過分類器把影像數據劃分為盡可能符合實際情況的不同類別。 第12頁/共76頁13概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 最簡單的分類器就是密度分割或灰度分層。 第13頁/共76頁14概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 最簡單的分類器就是密度分割或灰度分層。 第14頁/共76頁15概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙

5、感影像分類 遙感影像分類的特點： 多變量的影像分類 第15頁/共76頁16概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 第16頁/共76頁17概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 第17頁/共76頁18概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 分類原則：不能孤立地根據個別變量數值分類，要從整個向量數據特征出發，按空間集群分布來分類。一個集群(類)在特征空間的位置用其均值向量表

6、示。實質是把多維特征空間劃分為若干區域(子空間)的過程。第18頁/共76頁19概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 第19頁/共76頁20概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 （1）像元i和像元j之間的相關系數pkpkjkjikijkjpkikiijxxxxxxxxr11221)()(/ )( )(pkkjjpkkiixpxxpx1111；式中：第20頁/共76頁21概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分

7、類統計量一、遙感影像分類一、遙感影像分類 （2）像元i和像元j之間的相似系數 pkpkkjkipkkjkiijxxxx11221/cos第21頁/共76頁22概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 （3）像元i和像元j之間的歐幾里德距離 pkkjkiijxxd12)(第22頁/共76頁23概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 （4）像元i和像元j之間的絕對距離 pkkjkiijxxd1第23頁/共76頁24概念及原理概念及原理 特點和原則特點

8、和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 （5）馬氏距離(Mahalanobis) 12)()(ijjiTjiijxxxxd第24頁/共76頁25概念及原理概念及原理 特點和原則特點和原則 分類順序分類順序 分類統計量分類統計量一、遙感影像分類一、遙感影像分類 （6）二類均值的標準化距離(g類和h類) pkihigihigghSSMMD12)(第25頁/共76頁26二、非監督分類二、非監督分類 第26頁/共76頁27二、非監督分類二、非監督分類 也叫也叫“邊學習邊分類法邊學習邊分類法”。是在沒有先驗類別知識是在沒有先驗類別知識( (訓練場地訓練場地) )情

9、況下，情況下，根據影像本身的統計特征及自然點群的分根據影像本身的統計特征及自然點群的分布來劃分地物類別。布來劃分地物類別。各類別內涵不能由該分類方法得出，要各類別內涵不能由該分類方法得出，要根據地面實況調查和比較來決定。根據地面實況調查和比較來決定。 第27頁/共76頁28三、非監督分類三、非監督分類 K-mean K-mean ISODATAISODATA 第28頁/共76頁29K-mean K-mean ISODATAISODATA二、非監督分類二、非監督分類 第29頁/共76頁30K-mean K-mean ISODATAISODATA確定初始類別中心判斷樣本至各類的距離將樣本分到較近的

10、類S中重新計算類S的中心類中心是否變化？迭代結束否是K-mean算法流程圖第30頁/共76頁31K-mean K-mean ISODATAISODATAK-mean具體步驟第31頁/共76頁32K-mean K-mean ISODATAISODATA二、非監督分類二、非監督分類 K=5的分類結果第32頁/共76頁33K-mean K-mean ISODATAISODATA二、非監督分類二、非監督分類 K=10的分類結果第33頁/共76頁34K-meanK-mean ISODATAISODATA二、非監督分類二、非監督分類 ISODATAISODATA分類原理：分類原理： 在初始狀態給出圖像粗糙

11、的分類，然后基于一定原則在類別間重新組合樣本，直到分類比較合理為止。主要步驟：n按照某個原則選擇一些初始類聚類中心。n計算像素與初始類別中心的距離，把該像素分配到最近的類別中。n計算并改正重新組合的類別中心第34頁/共76頁35K-meanK-mean ISODATAISODATA二、非監督分類二、非監督分類 n按照某個原則選擇一些初始類聚類中心。按照某個原則選擇一些初始類聚類中心。 在實際操作中，要把初始聚類數設定得大一些，同時引入各種對迭代次數進行控制的參數，如控制迭代的總次數、每一類別最小像元數、類別的標準差、比較相鄰兩次迭代效果以及可以合并的最大類別數等，在整個迭代過程中，不僅每個像元

12、的歸屬類別在調整，而且類別總數也在變化。在用計算機編制分類程序時，初始聚類中心可按如下方式確定：設初始類別數為n，這樣共有n個初始聚類中心，求出圖像的均值M和方差，按下式可求出初始聚類中心:) 11) 1(2(nkMxkk=1,2,n，為初始類中心編號，n為初始類總數。第35頁/共76頁36K-meanK-mean ISODATAISODATA二、非監督分類二、非監督分類 n計算像素與初始類別中心的距離，把該像素分配到最近的類別中。 動態聚類法中類別間合并或分割所使用的判別標準是距離，待分像元在特征空間中的距離說明互相之間的相似程度，距離越小，相似性大，則它們可能會歸入同一類。這里的距離可以采

13、用前面介紹的幾種距離。n計算并改正重新組合的類別中心 如果重新組合的像素數目在最小允許值以下，則將該類別取消，并使總類別數減1。當類別數在一定的范圍，類別中心間的距離在閾值以上，類別內的方差的最大值為閾值以下時，可以看作動態聚類的結束。當不滿足動態聚類的結束條件時，就要通過類別的合并及分離，調整類別的數目和中心間的距離等，然后返回到上一步，重復進行組合的過程。第36頁/共76頁37K-meanK-mean ISODATAISODATA二、非監督分類二、非監督分類 ISODATA中的合并或分裂 如果兩個類別的中心點距離近，說明相似程度高，兩類就可以合并成一類；或者某類像元數太少，該類就要合并到最

14、相近的類中去。 類別的分裂也有兩種情況： 某一類像元數太多，就設法分成兩類； 如果類別總數太少，就將離散性最大的一類分成兩個類別，可以先求出每個類別的均值和標準差，然后通過對每一個波段的標準偏差設定閾值來實現，標準差大于閾值，該類就要分裂。 第37頁/共76頁38K-meanK-mean ISODATAISODATA第38頁/共76頁39K-meanK-mean ISODATAISODATA第39頁/共76頁40K-meanK-mean ISODATAISODATA第40頁/共76頁41K-meanK-mean ISODATAISODATA第41頁/共76頁42K-meanK-mean ISO

15、DATAISODATAISODATA分類結果第42頁/共76頁43三、監督分類三、監督分類 第43頁/共76頁44核心思想：首先根據類別的先驗知識確定判別函數和準則，利用已知類別樣本（訓練樣本）的觀測值來確定待定參數；然后將未知類別樣本的觀測值代入判別函數；依據判別準則對該樣本所屬類別做出判定。三、監督分類三、監督分類 第44頁/共76頁45三、監督分類三、監督分類 第45頁/共76頁46三、監督分類三、監督分類 第46頁/共76頁47三、監督分類三、監督分類 最小距離分類法最大似然比分類法第47頁/共76頁48最小距離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督

16、分類 最小距離分類法要求遙感圖像中每一個類別選擇一個代表意義的特征統計量，首先計算待分像元與已知類別之間的距離，然后將其歸屬于距離最小的一類第48頁/共76頁49最小距離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 歐幾里德距離：歐幾里德距離：絕對距離：絕對距離： piijijMxD12piijijMxD1第49頁/共76頁50最小距離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 改進的歐幾里德距離：改進的歐幾里德距離： 改進的絕對距離：改進的絕對距離：piijijijMxD122/21/ijpiijijMxD第50頁/共76

17、頁51最小距離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 第51頁/共76頁52最小距離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 最大似然分類又稱為貝葉斯(Bayes)分類，它通過計算標本(像元)屬于各組(類)的概率(或稱歸屬概率)，將該標本歸屬于概率最大的一組第52頁/共76頁53最小距離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 （1）第53頁/共76頁54最小距離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 （2）11第54頁/共76頁55最小距

18、離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 （2）11第55頁/共76頁56最小距離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 （3）11第56頁/共76頁57最小距離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 （3）11第57頁/共76頁58最小距離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 （4）11第58頁/共76頁59最小距離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 （5）11第59頁/共76頁60最小距

19、離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 （6）11第60頁/共76頁61最小距離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 （7）11第61頁/共76頁62最小距離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 （7）11第62頁/共76頁63最小距離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 （7）11第63頁/共76頁64最小距離分類法最小距離分類法 最大似然比分類法最大似然比分類法三、監督分類三、監督分類 （7）11第64頁/共76頁65四、遙

20、感影像分類處理中四、遙感影像分類處理中的幾個問題的幾個問題 第65頁/共76頁66四、遙感影像分類處四、遙感影像分類處 理中的幾個問題理中的幾個問題 n 訓練場地和訓練樣本的選擇問題 n 地形因素影響 n 混合像元問題 n 特征變量的選擇問題 n 空間信息在分類中的應用問題 n 影像分類的后期處理問題 第66頁/共76頁67訓練場地和樣本選擇訓練場地和樣本選擇 地形因素影響地形因素影響 混合像元問題混合像元問題 特征變量的選擇問題特征變量的選擇問題 空間信息的應用問題空間信息的應用問題 后期處理問題后期處理問題 四、遙感影像分類處四、遙感影像分類處 理中的幾個問題理中的幾個問題 一般情況下，每

21、類至少有10100個訓練樣本數據。 確定訓練場地和訓練樣本應注意：時間；空間。第67頁/共76頁68訓練場地和樣本選擇訓練場地和樣本選擇 地形因素影響地形因素影響 混合像元問題混合像元問題 特征變量的選擇問題特征變量的選擇問題 空間信息的應用問題空間信息的應用問題 后期處理問題后期處理問題 四、遙感影像分類處四、遙感影像分類處 理中的幾個問題理中的幾個問題 解決由于地形因素造成的“同物異譜”現象的一種有效的方法是采用“同類多組法”來選取訓練樣本。 第68頁/共76頁69訓練場地和樣本選擇訓練場地和樣本選擇 地形因素影響地形因素影響 混合像元問題混合像元問題 特征變量的選擇問題特征變量的選擇問題 空間信息的應用問題空間信息的應用問題 后期處理問題后期處理問題 四、遙感影像分類處四、遙感影像分類處 理中的幾個問題理中的幾個問題 分解混合像元的方法有：線性關系分解法、模糊分解法 混合像元已成為遙感影像處理研究的方向之一。 第69頁/共76頁70訓練場地和樣本選擇訓練場地和樣本選擇 地形因素影響地形因素影響 混合像元問題混合像