自
动
识
别
分
类
9
第 8
2.1.1、主成分变换波段间相关性
章
遥 感
Feature Space：影像灰度空间 横轴: MSS 4﹣green
影
纵轴: MSS 5﹣red
像 ➢ MSS 4 与 MSS 5 之间明显相关
自
信息冗余 可以压缩
动 识 别 分 类
一个斜线成分可以包含MSS 4 和 MSS 5 加在一起的 90% 信息量
分
波谱特征空间
类
右图：二维灰度空间中
的影像特征空间
横轴：红光波段
纵轴：近红外波段
理想情况 典型情况 一般情况
6
第 8
1.2、波谱特征空间统计特性
章
遥 感
➢ 同一地物（灰度值）特征向量分布密度函数：满足正态分布 N：像元数
影
m：波段数
像
自
动
识
别
分
类
7
第 8
2、特征变换及特征选择
章
遥 感 影 像
别
的过程，这样可以用少数几个波段数据就可以同样达到最佳
分
分类效果
类
波段组合最优化
特征变换后的数据也在选择范围内
其他数据：DEM、坡度、坡向、植被分布图、道路网线、 土地利用现状图、人口密度图、……
8
第 8
2.1、特征变换
章
遥 感
1. 主成分变换 2. 哈达玛变换
影 3. 穗帽变换
像 4. 比值变换（生物量指标变换）
自
仍以波谱分类方法为主
动
与目视判读技术的目的一致
识
利用计算机技术模拟人的识别功能
别 分 类
➢ 方法 A. 主要采用决策理论（或统计）方法：决策即判别
1. 提取模式（特征空间）属性量测值 标准特征值
波谱特征：最常用，本章主要内容
纹理特征：波谱特征的补充，不能独立进行分类处理
2. 利用决策规则对特征空间进行区域划分 分类
遥感原理与应用（第二版）
孙家抦 主编
武汉大学出版社 2009年6月
2020年11月17日星期二
第 8
第 8 章 遥感影像自动识别分类
章
遥 感 影 像
遥感影像计算机分类：利用计算机对地球表面及其环境的遥感影像进 行属性识别（分类），从而达到识别影像所对应的实际地物，提 取所需要地物信息的目的
是模式识别技术的具体应用
动 识 别 分
2. 计算协方差矩阵ΣX 3. 协方差矩阵ΣX 计算
特征值（Engenvalue） i
类
特征向量（Engenvector）i
4. 特征值排序大 小
5. 特征向量选择Φn ，n＜波段数 6. 坐标系转换：Y =Φn·X
ΣY 为对角矩阵 去相关化
11
第 8
2.1.1、主成分变换新生成的影像
B. 句法（语义、结构）模式识别方法：有待完善
2
第 8
第 8 章 遥感影像自动识别分类
章
遥 感
1. 基础知识 ① 模式、模式识别
5. 非监督分类 + 监督分类 6. 分类后处理、精度评定
影
② 波谱特征空间、地物特征
① 分类后处理
像
空间的聚类统计分析
② 分类后精度评定
自 2. 二维灰度空间 使得一个轴向与这个斜线一
致的话，…
这就是主成分变换
10
第 8
2.1.1、主成分变换步骤
章 遥 感 影
➢ K﹣L 变换：Karhunen﹣Loeve Transform
➢ PCA：Principal Component Analysis
像 ➢ 主（轴）成分分析步骤
自
1. 计算灰度值均值向量 M
识 别 分
② 特征选择 3. 监督分类
类
① 判别函数、判别规则
7. 非波谱信息的应用 ① 高程信息的应用 ② 纹理信息的应用
8. 自动分类新方法简介 ① 模糊聚类算法
② 分类过程
② 神经元网络法
4. 非监督分类 ① K﹣均值聚类法
③ 面向对象分类技术
② ISODATA算法聚类分析
③ 平行管道法聚类分析
别 分 类
面向对象的像元组合模式识别 ➢ 测量值
灰度值
灰度分布的统计值
形态参数
…
4
第 8
1.2、波谱特征空间统计特性
章
遥 感
➢ 多波段遥感影像的每一个像元在每一个波段中均有一个灰度值 在多维灰度坐标系中可以表达为一个波谱特征向量
影
像
自
也可以看作为多维灰度坐标系中的一个投影点
动 识 别
这些投影点的位置因地物不同而呈规律性变化：“星云团” 像元灰度值受多种因素影响 统计性规律变化（正态分布）
章
遥 感 影
➢ 新生成的影像
实质上就是影像灰度坐标系旋转 （矩阵）操作
像
“波段数”为 n ：n 个主成分
自
每一个主成分轴生成一幅新
动
影像
识
新影像灰度值：每个像元特
别
征向量在各个主成分轴上的
分
分量值
类
12
第 8
2.1.1、主成分变换特点
章
遥 感 影
1. 各成分之间去相关
2. 第一成分信息含量最丰富，其他成分 的信息含量依次快速减少
分
地物状态（长势、含水量、病虫害、…）
类
地理位置（高度、朝向、地形、背景、…）
大气条件（水汽、气溶胶、悬浮颗粒、…）
季节
传感器
…
5
第 8
1.2、波谱特征空间统计特性
章
遥 感 影 像 自 动 识 别
➢ 遥感影像特征：某一类地 物的遥感影像灰度值分布 特点，一般用一系列的统 计值表达
➢ 遥感影像特征空间：多波 段遥感影像数据的所有像 元在多维灰度坐标系中的 分布
➢ 波段数目很大时，即使是计算机自动信息分析也较困难
1. 特征变换：是一种遥感影像数字变换处理，使得地物信息可 以集中在新生成“多波段”影像数据的少数几个“波段”中。 或者使得新生成“多波段”影像数据更有利于信息自动提取
自
数据压缩、数据转换
动
逐像元运算
识
2. 特征选择：根据波段相关度最低原则选择少数几个波段数据
像
MSS 影像主成分信息含量比重
自
PCA 1 ：90%±
动
PCA 2 ：7%±
识 别
PCA 3 + 4 ：3%±
分
类
某景 MSS 影像主成分变换前后信息
MSS
2 信息含量（%） PCA
2 信息含量（%）
4
74.2
12.6
1
533.3
94.1
5 249.9
42.5
2
29.9
5.1
6 219.5
37.3
3
3.7
0.6
7
44.5
7.6
4
1.2
0.2
13
第 8
2.1.2、哈达玛变换哈达玛矩阵
章
3
第 8
1.1、模式、模式识别
章
遥 感
➢ 模式：具有某种特定空间特征或几何特征的研究对象（物体） 物体的标准形式，由一组（统计）测量值表达
影
模式识别：将待识别物体的一组特征值（波谱、空间、几何）
像
与多种模式的标准特征值相比较，确定待识别物体归属那一个
自
模式的信息提取过程
动 ➢ 遥感影像分类
识
遥感影像的逐像元模式识别