一.图像分类基本概念和原理
一.图像分类基本概念和原理
光谱模式识别
空间模式识别
新方法
统计分类
结构分类 模糊分类 神经网络分类 小波分析 专家、纹理、大小、位置、图型、相关布局 基于光谱的 基于空间关系的 遥感图像特征集
遥感图像 遥感图像计算机分类流程框图
二.监督分类方法
监督分类方法的缺点：
• 主观性 • 由于图像中间类别的光谱差异，使得训练样本 没有很好的代表性 • 训练样本的获取和评估花费较多人力时间 • 只能识别训练中定义的类别
三.非监督分类方法
• 在没有先验类别（训练场地）作为样本 的条件下，即事先不知道类别特征，主 要根据像元间相似度的大小进行归类合 并（将相似度大的像元归为一类）的方 法 • 根据图像数据本身的统计特征及点群的 分布情况，从纯统计学的角度对图像数 据进行类别划分
三.非监督分类方法
非监督分类方法的主要思想是聚类，利用 事先定义的参数确定特征空间中类别的位 置，然后确定单个像元是否属于某个类别
三.非监督分类方法
聚类过程：
•
•
•
一般的聚类算法是先选择若干个点作为聚类的 中心 每一中心代表一个类别，按照某种相似性度量 方法（如最小距离方法）将各点归于各聚类中 心所代表的类别，形成初始分类 然后由聚类准则判断初始分类是否合理，如果 不合理就修改分类，如此反复迭代运算，直到 合理为止
三.非监督分类方法
非监督分类方法的特点：
• 仅凭遥感影像地物的光谱特征的分布规律，即 自然聚类的特性，进行“盲目”的分类 • 其分类的结果只是对不同类别达到了区分，但 并不能确定类别的属性；其类别的属性是通过 分类结束后目视判读或实地调查确定的
二.监督分类方法
最大似然法利用概率判别函数与贝叶斯判 别规则进行分类 优点： • 考虑特征空间中类别的形状、大小和 定位 缺点： • 计算量大，计算时间长 • 假定地物光谱特征呈正态分布
二.监督分类方法
监督分类方法的优点：
• 根据应用目的和区域，有选择的决定分类类别， 避免出现一些不必要的类别 • 可以控制训练样本的选择 • 可以通过检查训练样本来决定训练样本是否被 精确分类，从而避免分类中的严重错误，分类 精度高 • 避免了非监督分类中对光谱集群的重新归类 • 分类速度快
二.监督分类方法
判决函数和判决规则：
• 判决函数：当各个类别的判别区域确定后，用 来表示和鉴别某个特征矢量属于哪个类别的函 数 • 判别规则：判断特征矢量属于某类的依据。当 计算完某个矢量在不同类别判决函数中的值后， 我们要确定该矢量属于某类必须给出一个判断 的依据。 这种判断的依据，称之为判别规则
• 基本思想是设法计算未知矢量X到有关 类别集群之间的距离，哪类距离它最近， 该未知矢量就属于那类 • 距离判决函数偏重于集群分布的几何位 置 • 距离判别规则是按最小距离判别的原则
二.监督分类方法
最大似然分类法：
• • • • • 地物类数据在特征空间中构成特定的点群 每一类的每一维数据都在自己的数轴上为正态分布，该 类的多维数据就构成了一个多维正态分布 各类的多维正态分布模型各有其分布特征 利用各类的已知数据（训练区），求出均值、方差及协 方差等特征参数，从而求出总体的概率密度函数 在此基础上，对于任何一个像元，通过求出每个像素对 于各类别的归属概率（对于待分像元x，从属于分类类 别k的概率），把该像素分到归属概率最大的类别中去
举例
土地覆盖、树种识别、植被和农作物
土地覆盖变化 温度、大气成分、高程、土壤含水量
指标提取
特定地物和状态的提取
植被指数、浑浊指标
山火、水灾、线形构造、遗迹探察
一.图像分类基本概念和原理
• 在特征空间中，依据像 元相似度的大小，归类 相似的像元，分离不相 似的像元，并给每一个 像元赋类别值的过程 • 分类的总目标是将图像 中所有的像元自动进行 土地覆盖类型或土地覆 盖专题的分类
分类步骤： 1. 选择合适的分类算法 2. 用所选算法分割特征空间 3. 根据像元在特征空间中的定位 对每一个像元赋类别值 4. 对分类结果进行精度评价
二.监督分类方法
监督分类方法的思想：
1. 2. 3. 4. 5. 确定每个类别的样区 学习或训练 确定判别函数和相应的判别准则 计算未知类别的样本观测值函数值 按规则进行像元的所属判别
二.监督分类方法
• 首先需要从研究区域选取有代表性的训 练场地作为样本 • 根据已知训练区提供的样本，通过选择 特征参数（如像素亮度均值、方差等）， 建立判别函数，据此对样本像元进行分 类，依据样本类别的特征来识别非样本 像元的归属类别
二.监督分类方法
• 选择训练样本区
• 确定类别数 • 对每类选择足够多的有代表性的 样本 • 分类前分析样本区质量
水体
混凝土 高层建筑
Cyan
Purple Thistle
裸地
草坡 森林
Coral
Yellow Green
二.监督分类方法
二.监督分类方法
主要的监督分类方法：
• • • • • • 平行六面体分类法 最小距离分类法 马氏距离分类法 最大似然分类法 神经网络 支持向量机（SVM）
二.监督分类方法
最小距离分类法：
一.图像分类基本概念和原理
为什么使用计算机分类？
• 将影像数据的连续变化转化为地图模式，以提供给 用户有意义的信息 • 获得关于地面覆盖和地表特征数据的更深刻的认识 • 较目视解译客观，在分析大数据集时比较经济 • 可对复杂的多波段数据及其相互关系进行有效分析
一.图像分类基本概念和原理
按人工干预的程度不同，可以分为： 1. 监督分类法 2. 非监督分类法
• 选择合适的分类算法 • 分类结果的精度评价
二.监督分类方法
训练样区的选择：
• 准确性——确保选择的样区与实际地物 的一致性 • 代表性——考虑到地物本身的复杂性， 所以必须在一定程度上反映同类地物光 谱特性的波动情况 • 统计性——选择的训练样区内必须有足 够多的像元
二.监督分类方法
类别
颜色
遥感图像分类
目录
1. 图像分类基本概念和原理 2. 监督分类方法 3. 非监督分类方法 4. 分类精度评价 5. 分类后处理
一.图像分类基本概念和原理
• 遥感图像分类是图像信息提取的一种方法 • 遥感图像分类是遥感数字图像处理的重要 环节，也是遥感应用最广泛的领域之一
提取信息的类型
分类
变化检测 物理量的提取