




版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
遙感數(shù)字圖像的計(jì)算機(jī)解譯遙感圖像的分類原理遙感圖像分類方法遙感圖像分類存在問(wèn)題遙感圖像信息提取的發(fā)展趨勢(shì)1PPT課件
違規(guī)建筑的防治2PPT課件3PPT課件
4PPT課件5PPT課件一、分類原理與基本過(guò)程6PPT課件7PPT課件第一節(jié)計(jì)算機(jī)分類基本原理分類的定義分類的基本原理分類的一般步驟8PPT課件1.1分類的定義
遙感圖像分類以遙感數(shù)字圖像為研究對(duì)象,在計(jì)算機(jī)系統(tǒng)支持下,綜合運(yùn)用地學(xué)分析、遙感圖像處理、地理信息系統(tǒng)、模式識(shí)別與人工智能技術(shù),實(shí)現(xiàn)專題信息的智能化獲取。其基本目標(biāo)是將人工目視解譯遙感圖像發(fā)展為計(jì)算機(jī)支持下的遙感圖像理解。9PPT課件1.2分類的意義由于利用遙感圖像可以客觀、真實(shí)和快速地獲取地球表層信息,這些現(xiàn)勢(shì)性很強(qiáng)的遙感數(shù)據(jù)在自然資源調(diào)查與評(píng)價(jià)、環(huán)境監(jiān)測(cè)、自然災(zāi)害評(píng)估與軍事偵察上具有廣泛應(yīng)用前景。因此,利用計(jì)算機(jī)進(jìn)行遙感圖像智能化解譯,快速獲取地表不同專題信息,并利用這些專題信息迅速地更新地理數(shù)據(jù)庫(kù),這是實(shí)現(xiàn)遙感圖像自動(dòng)理解的基礎(chǔ)研究之一,因此具有重要的理論意義和應(yīng)用前景。10PPT課件2、分類原理最小距離分類法-示例11PPT課件2、分類原理遙感圖像計(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。12PPT課件2、分類原理最小距離分類法-示例特征空間水的點(diǎn)群中心水的特征均值13PPT課件2、分類原理1)找像元的分布特征(如點(diǎn)群中心、位置、規(guī)律),并且確定點(diǎn)群的界限。2)點(diǎn)群中心是這一類地物類別像元特征的均值向量。3)點(diǎn)群的范圍這一類地物類別像元特征的標(biāo)準(zhǔn)差向量(協(xié)方差)。它反映了點(diǎn)的離散程度。4)點(diǎn)群的邊界是分類過(guò)程中決定像元?dú)w屬的“準(zhǔn)則”,稱為判別函數(shù)。14PPT課件2、分類原理遙感圖像分類就是利用計(jì)算機(jī)通過(guò)對(duì)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(gè)像元?jiǎng)潥w到各個(gè)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15PPT課件關(guān)鍵問(wèn)題選擇適當(dāng)?shù)姆诸愐?guī)則,通過(guò)分類器把圖像數(shù)據(jù)劃分為盡可能符合實(shí)際情況的不同類別。確定判別函數(shù)和相應(yīng)的判別準(zhǔn)則。16PPT課件3、分類基本過(guò)程數(shù)據(jù)準(zhǔn)備。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)。數(shù)據(jù)預(yù)處理輻射校正和幾何校正。波段選擇和圖像變換、增強(qiáng)處理。分類系統(tǒng)方案
制定分類系統(tǒng),確定分類類別。分類方法的確定與分類處理
根據(jù)分類對(duì)象的實(shí)際情況選擇合適的分類方法。5精度評(píng)價(jià)與分類方法的改進(jìn)6專題圖的制作17PPT課件遙感圖像計(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。關(guān)鍵:選擇樣區(qū)、訓(xùn)練樣本、建立判別函數(shù)(可以是一些列規(guī)則,可是某種數(shù)學(xué)函數(shù))非監(jiān)督分類:是在沒(méi)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18PPT課件監(jiān)督分類法最小距離法特征曲線窗口分類法線性判別分析最大似然判別法神經(jīng)網(wǎng)絡(luò)分類19PPT課件二、圖像分類方法1、監(jiān)督分類
(1)、最小距離分類法
第一步:計(jì)算訓(xùn)練樣本的平均值第二步:計(jì)算待分類像元與樣本均值的距離Step2–foreachunclassifiedpixel,calculatethedistancetoaverageforeachtrainingarea20PPT課件二、圖像分類方法1、監(jiān)督分類
(1)、最小距離分類法最近鄰域分類法
NearestNeighbour
。DefinesatypicalpixelforeachclassAssignspixelsonthebasisofspectraldistanceCanseparatediverseclassesBoundaryproblemsremainunresolved21PPT課件二、圖像分類方法1、監(jiān)督分類
(2)、特征曲線窗口分類法特征曲線是地物光譜特征曲線參數(shù)構(gòu)成的曲線。以特征曲線為中心取一個(gè)條帶,構(gòu)造一個(gè)窗口,凡是落在此窗口內(nèi)的地物即被認(rèn)為是一類,反之,則不屬于該類。特征曲線可是實(shí)測(cè)的,也可是圖像訓(xùn)練樣本分類窗口可是曲線上某一特定的位置,如反射峰、谷、特征參數(shù)的上、下限等22PPT課件二、圖像分類方法1、監(jiān)督分類
(3)、最大似然比分類法(MaximumLikelihood)通過(guò)求出每個(gè)像素對(duì)于各類別的歸屬概率,把該像素分到歸屬概率最大的類別中去的方法。假定訓(xùn)練區(qū)地物的光譜特征和自然界大部分隨機(jī)現(xiàn)象一樣,近似服從正態(tài)分布。23PPT課件最大似然法判別函數(shù)24PPT課件二、圖像分類方法1、監(jiān)督分類
(3)、最大似然比分類法(MaximumLikelihood)25PPT課件二、圖像分類方法1、監(jiān)督分類
(3)、最大似然比分類法(MaximumLikelihood)26PPT課件選取樣本像元分類結(jié)果27PPT課件監(jiān)督分類實(shí)例TM43228PPT課件監(jiān)督分類的步驟首先找出影像中各種類別具有代表性的像元集合,作為樣本(訓(xùn)練樣區(qū));求出每種類別樣本像元集的統(tǒng)計(jì)特征,然后選擇特征參數(shù)(如樣本像元的平均值、方差);根據(jù)特征參數(shù)建立判別函數(shù);根據(jù)判別函數(shù)對(duì)已知類別的樣本像元進(jìn)行分類,反復(fù)調(diào)整判別函數(shù);最后用判別函數(shù)對(duì)所有未知像元進(jìn)行判斷,劃分像元的類別歸屬。樣本像元的選取,通常需要人參與;對(duì)判別函數(shù)要用樣本進(jìn)行反復(fù)驗(yàn)證和訓(xùn)練,就像有人在監(jiān)督一樣29PPT課件30PPT課件31PPT課件32PPT課件33PPT課件34PPT課件35PPT課件非監(jiān)督分類實(shí)例二、圖像分類方法36PPT課件二、圖像分類方法2、非監(jiān)督分類
(1)、動(dòng)態(tài)聚類法在初始狀態(tài)給出圖像粗糙的分類,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。37PPT課件非監(jiān)督分類步驟:設(shè)定分類判定方法參數(shù),分類數(shù)設(shè)定初始分類中心將各個(gè)像元?dú)w入設(shè)定的各類中計(jì)算各類的新中心值比較前后中心值是否一致:不一致,調(diào)整各類中心及域值,回到步驟3;一致,分類圖象輸出38PPT課件39PPT課件40PPT課件二、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。41PPT課件三分類精度評(píng)價(jià)與提高精度評(píng)價(jià)方法分類中存在的問(wèn)題分類精度提高方法42PPT課件遙感圖像分類精度評(píng)價(jià)方法基于面積的評(píng)價(jià)?;谖恢玫脑u(píng)價(jià),誤差矩陣的評(píng)價(jià)43PPT課件分類誤差矩陣對(duì)角線元素便是正確分類,非對(duì)角線便是錯(cuò)誤分類;分類
行總計(jì)用戶精度實(shí)際農(nóng)田城市湖泊農(nóng)田89439689/96城市39329893/98湖泊839510695/106列總計(jì)100100100300生產(chǎn)精度89/10093/10095/100總體精度(89+93+95)/30044PPT課件KAPPA系數(shù)的計(jì)算N,總樣本數(shù)r,類別數(shù)Xi+為某一類的行總計(jì)X+i為某一類的列總計(jì)45PPT課件計(jì)算機(jī)解譯的問(wèn)題:–存在錯(cuò)分、漏分現(xiàn)象–正確率一般只有60~70%–不同的研究區(qū)域,采用不同的方法,不同的參數(shù)–如何選取好的訓(xùn)練區(qū)三、圖像分類中的有關(guān)問(wèn)題46PPT課件三、圖像分類中的有關(guān)問(wèn)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(méi)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.水體的分類.
47PPT課件三、圖像分類中的有關(guān)問(wèn)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。48PPT課件四、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)地物采用地、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。49PPT課件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。四、計(jì)算機(jī)解譯的主要技術(shù)發(fā)展趨勢(shì)50PPT課件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)。四、計(jì)算機(jī)解譯的主要技術(shù)發(fā)展趨勢(shì)51PPT課件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
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 工程師賦能職業(yè)教育的關(guān)鍵能力與創(chuàng)新驅(qū)動(dòng)路徑
- 傳統(tǒng)文化教育與職業(yè)技能培養(yǎng)的協(xié)同效應(yīng)分析
- 浙江省杭州市名校2024年數(shù)學(xué)八上期末聯(lián)考試題含解析
- 遼寧省盤錦市2024-2025學(xué)年九年級(jí)化學(xué)第一學(xué)期期末經(jīng)典試題含解析
- 浙江省紹興越城區(qū)五校聯(lián)考2025屆物理八上期末檢測(cè)試題含解析
- 黑龍江省哈爾濱南崗區(qū)2024年九上化學(xué)期末監(jiān)測(cè)模擬試題含解析
- 廣東省深圳市桃源中學(xué)2024-2025學(xué)年物理八年級(jí)第一學(xué)期期末聯(lián)考試題含解析
- 河北省秦皇島市名校2024-2025學(xué)年數(shù)學(xué)七年級(jí)第一學(xué)期期末經(jīng)典試題含解析
- 餐飲企業(yè)品牌形象店租賃及宣傳協(xié)議
- 酶法合成技術(shù)革新:法尼龍單體生產(chǎn)的前沿探索
- 高新技術(shù)企業(yè)研發(fā)費(fèi)用管理辦法
- 老年急重癥診療及護(hù)理
- 中小學(xué)家長(zhǎng)會(huì)期中期末家長(zhǎng)會(huì)253
- 驅(qū)動(dòng)電機(jī)與電機(jī)控制器
- 2024年便攜式儲(chǔ)能行業(yè)分析報(bào)告
- 醫(yī)聯(lián)體協(xié)議書(2024版)
- 2023年全國(guó)職業(yè)院校技能大賽-中藥傳統(tǒng)技能賽項(xiàng)規(guī)程
- 11 《愛(ài)蓮說(shuō)》對(duì)比閱讀-2024-2025中考語(yǔ)文文言文閱讀專項(xiàng)訓(xùn)練(含答案)
- 動(dòng)物園野生動(dòng)物馴養(yǎng)繁殖或馴養(yǎng)觀賞可行性研究報(bào)告
- 煤礦開掘技術(shù)操作規(guī)程
- 2023年上海市長(zhǎng)寧區(qū)高三年級(jí)下冊(cè)二模英語(yǔ)試卷含詳解
評(píng)論
0/150
提交評(píng)論