1、,第六章 遥感图像分类,6.1 基本知识6.2 遥感图像分类基本原理6.3 监督分类6.4 非监督分类6.5 遥感图像分类新方法6.6 分类后处理和精度分析 6.7 分类中非光谱辅助信息应用,概述,6 遥感图像分类,图像分类就是对地球表面及其环境在遥感图像上的信息进行识别和分类，从而达到识别图像信息所对应的实际地物，提取所需地物信息的目的。其目的是将图像中每个像元根据其不同波段的光谱亮度、空间结构特征或其他信息，按照某种规则或算法划分为不同的类别。计算机遥感图像分类是模式识别技术在遥感图像领域中的具体应用，是遥感数字图像处理的一个重要内容。如果图像增强给目视解译者提供的信息时定性的，则图像分类
2、提供的则是定量信息。,概述,6 遥感图像分类,遥感图像的计算机分类，与遥感图像的目视判读技术相比，他们的目的是一致的，但手段不同。目视判读是直接利用人类的自然识别智能，而计算机分类是利用计算机技术来人工模拟人类的识别功能。目前遥感图像分类主要采用基于光谱特征的统计方法，这是本章的主要内容。而句法模式识别、模糊模式识别和神经网络分类还在进行探索，本章只做概要讨论。,模式识别,6.1 基本知识,模式与模式识别：“模式”是指某种具有空间或几何特征的东西。通俗地说，就是某种事物的标准形式。例如，一个模式识别系统对被识别的模式作一系列测量，然后将测量结果与“模式字典”中一组“典型的”测量值相比较。若和字
3、典中某一“词目”的比较结果是吻合或比较吻合，则我们就可以得出所需要的分类结果，这一过程称为模式识别。这一组测量值就是一种模式，不管这组测量值是不是属于几何或物理范畴的量值。,模式识别,6.1 基本知识,如图所示，对于遥感来说，接收器可以是各类传感器，接收器输出的是一组n个测量值，每一个测量值可对应于多光谱扫描仪的一个通道。每一组测量值可以看做是n维特征空间中一个确定的坐标点。分类器则可以根据一定分类规则，把坐标点划入某一预先规定的类别中去。,模式识别,6.1 基本知识,遥感模式识别，按其方法不同，可分为:1、统计模式识别如上述，统计模式基本出发点是把特征中对应于模式的所有观测量都视为从属于一定
4、分布规律的随机变量，把对应于模式的所有各维观测量的总体视为从属于一定分布规律的随机向量。每个随机向量在多维特征空间中都有一个特征点与之对应，所有特征点在特征空间形成一系列分布集群，然后按照统计准则判决各点属于哪一类，这一过程即为统计模式识别。,模式识别,6.1 基本知识,2、句法模式识别句法模式识别是基于描述模式的结构特征，用形式语言中的规则进行分类。这种识别方法将复杂地物层层简化直至最小单元（基元），由基元构成子模式再以不同方式构成模式的过程如同由子构成词、由词构成句子的过程。,模式识别,6.1 基本知识,3、模糊模式识别模糊模式识别的思想基于事物的表现有时不是绝对的，而是存在一个不确定的模
5、糊因素，同样在遥感影像计算分类中也存在着这种模糊性。是基于模糊理论的分类方法。4、神经网络分类神经网络分类是人类大脑神经系统识别分析的模拟与简化。除了利用图像本身特征之外，还可以利用以往分类的经验，在被分类信息的引导下，自行改造其自身结构及其识别方式，达到最佳分类效果。,特征变换与特征选取,6.1 基本知识,遥感提供了极其丰富的多光谱、多时相、多来源的遥感信息。面对海量数据，一方面有利于完成更加细致的遥感地物分类和目标识别，但另一方面也必然导致信息的冗余和数据处理的复杂性增加。就某些特定地物分类来说，并不是所有波段数据都有用，如果不加以区别将大量原始数据直接用来分来，不仅数据量太大，计算复杂，
6、而且分类的精度也不一定好。具体方法，主要包括特征变换和特征选择。,概述,6.2 遥感分类的基本原理,图像分类的实质是将图像中的每个像元点或区域归属于若干个类别中的一类，或若干个专题要素中的一种，即完成将图像数据从灰度空间转换到目标模式空间的工作。分类的结果是将图像空间划分为若干个子区域，每个子区域代表一种实际地物。分类前，往往要对遥感图像做一定的预处理，包括校正、增强、滤波和主成分变换等操作，以突出目标地物或消除同一类型目标以及不用类型目标的影响。,分类的概念与原理,6.2 遥感分类的基本原理,1、遥感分类的概念 遥感图像分类就是利用计算机对遥感图像中各类地物的光谱信息和空间信息进行分析，选择
7、作为分类判据的特征（光谱特征和纹理特征），并用一定的手段将特征空间划分为互不重叠的子空间，然后将图像中的各个像元划归到各个子空间去，最后建立判别准则进行分类的过程。分类的理论依据是：理想条件下，同类地物应具有相同或相似的光谱信息特征和空间信息特征，从而表现出同类地物的内在相似性，从而在同一特征空间区域，必将集群在相同或相似的特征空间区域。,分类的概念与原理,6.2 遥感分类的基本原理,2、遥感分类的一般原理 目前，计算机用以识别和分类的主要依据是物体的光谱特征，图像上其他信息如大小、纹理、形状等也都在逐步得到应用。混合像元：是指一个像元的灰度往往是两种或多种地物光谱综合作用的灰度的情形。混合像
8、元在遥感图像中大量存在，使得同类地物的特征向量也不尽相同，而且使得不同地物类型的特征向量之间的差异也不很显著。这是由于地物的成分、性质、分布的复杂性和成像条件不同决定的。,分类的概念与原理,6.2 遥感分类的基本原理,注意：混合像元虽不是完全集中于一点，但分布也并非杂乱无章，当像元数目较大时，表现出相对密集地集群分布（正态分布）。,分类的概念与原理,6.2 遥感分类的基本原理,不同地物在同一波段图像表现的灰度各不相同，不同地物在不同图像的灰度呈现规律也不尽相同，这是图像区分地物的物理依据。,分类的概念与原理,6.2 遥感分类的基本原理,分类中，常把图像中的某一类地物称为模式（类别），而把属于该
9、类的像素称为样本，多光谱矢量X称为样本的观测值。一个像元可以看成是n个特征组成的 n维空间的一个点， 同类地物的像元形 成n维空间的一个集 群，差异明显的会 形成n维空间的若干 个集群。,遥感图像分类方式,6.2 遥感分类的基本原理,监督分类：通过选择能够表征各类别的已知样本（训练区）的像元光谱特征，事先取得各类别的参数，确定判别函数，从而进行分类的方法。,在监督分类中，要先定义信息类，然后检验它们的光谱可分性。,非监督分类：根据事先指定的某一准则，让计算机自动进行判别归类，没有人为的干扰而进行分类，计算机自动分类后再来确定地物类别的方法。,在非监督分类中，要先确定光谱可分的类型（光谱类），然
10、后定义它们的信息类。,遥感图像分类方式,6.2 遥感分类的基本原理,分类训练区的选择：训练阶段的质量决定着分类阶段的成功与否，也决定着从分类中所获得的信息的价值；用于图像分类的训练区的统计结果，一定要充分反映每种信息类型中光谱类别的所有组成；代表性 和完整性分布广泛性,监督分类的特点：优点： 1、可根据应用目的和区域，有选择地决定分类类别，避免出现一些不必要类别；2、可控制训练样本的选择；3、可通过检查训练样本来决定分类精度，从而避免分类中的严重错误；4、避免类非监督分类中的重新归类。缺点：1、分类系统的确定和训练样本的选择。均依靠人为主观因素；2、同一类地物光谱差异较大时，导致训练样本很难具
11、有较好的代表性；3、训练样本的选取和评价要花费较多人力和时间；4、只能识别训练样本所定义的类别。,非监督分类的特点：优点： 1、不需要事先对所要分类的区域有广泛的了解和熟悉，而监督分类则必须有较好的了解才能选择训练样本。2、人为误差的机会减少。3、独特的、覆盖量小的类别均能够被识别，而监督分类存在被分析者的失误丢失信息的情况。缺点：1、分类结果并不一定对应于分析者想要的类别，实际上几乎很少出现一一对应的关系；2、分析者较难对产生的类别进行控制，其结果也许与分析者的要求相去甚远；3、图像各类别地物的光谱特征随时空而改变，不同图像之间无法保持连续性，从而使不同图像间的对比变得十分困难。,遥感图像分类一般过程,6.2 遥感分类的基本原理,1、图像选择 2、图像预处理 3、特征变换和特征选择 4、图像分类处理 5、分类结果检验和分类后处理 6、结果输出,
