|
阅读：2813回复：2
遥感讲座——遥感分类 遥感的最终成果之一就是从遥感影像上获取信息，遥感分类是获取信息的重要手段。同时遥感分类也是目前遥感技术中的热点研究方向，每年都有新的分类方法推出，本章叙述的是遥感分类的基本原理和方法。 1、遥感分类 遥感影像通过亮度值或像元值的高低差异（反映地物的光谱信息）及空间变化（反映地物的空间信息）来表示不同地物的差异，这是区分不同影像地物的物理基础。遥感影像分类就是利用计算机通过对遥感影像中各类地物的光谱信息和空间信息进行分析，选择特征，将图像中每个像元按照某种规则或算法划分为不同的类别，然后获得遥感影像中与实际地物的对应信息，从而实现遥感影像的分类。 不同的地物具有不同的波谱特征，同类的地物具有相似的波谱特征，由不同探测波段组成的多波段数字图像是地物特征的量化，遥感影像分类正是基于影像中所反映的同类地物的光谱相似性和异类地物的光谱差异性的基础上进行的，根据影像的特征向量，建立判别函数，最终实现将遥感影像自动分成若干地物类型。遥感影像分类由于遥感影像的数据量大和成像复杂等特点，使得遥感影像具有一些特点和原则。 遥感影像分类比起一般的数字影像分类具有自身的特点，概况来讲遥感影像分类的特点有如下几点： （1）数据量大。遥感影像通常具有较多的光谱波段，每个像元在不同波段具有不同的波谱特征，所以遥感影像分类是处理多波段的运算。 （2）复杂性。虽然大多数的地物符合“同类地物具备相同的波谱特征，不同地物具有不同的波谱特征”的原则，但是大多数情况下，研究的同类地物会具有不同的光谱特征，即“同物异谱”，而相同的光谱特征表示了不同的地物，即“异物同谱”。 （3）需要预处理。在对遥感影像分类前，往往需要做一定的预处理，原始影像的特征波段间往往存在比较强的相关性，同时由于处理多波段遥感数据的计算量大的原因，在分类前采用特征判别，决定一定的预处理方法，不但可以减少计算量，同时为可以处理多波段数据提供一种方式。 遥感影像分类方法可以归纳为两类：监督分类与非监督分类。 2、非监督分类非监督分类： 也称为聚类分析或点群分类。在多光谱图像中搜寻、定义其自然相似光谱集群的过程。它不必对影像地物获取先验知识，仅依靠影像上不同类地物光谱(或纹理) 信息进行特征提取，再统计特征的差别来达到分类的目的，最后对已分出的各个类别的实际属性进行确认。 目前比较常见也较为成熟的是ISODATA、链状方法等。遥感影像的非监督分类一般包括以下6个步骤：
 影像分析：分析影像，大体上判断主要地物的类别数量。 分类器选择：选择一个合适的分类方法。 影像分类：设置好分类器的参数对影像进行分类。 类别定义：一般需要多设置几个类别，之后重新判别与合并非监督分类的结果。 分类重编码：对定义好类别的重新定义类别ID。 结果验证：对分类结果进行评价，确定分类的精度和可靠性。 3、监督分类 监督分类：又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求， 随后用训练好的判决函数去对其他待分数据进行分类。使每个像元和训练样本作比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。 遥感影像的监督分类一般包括以下6个步骤： （1）类别定义：根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统； （2）特征判别：对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理； （3）样本选择：为了建立分类函数，需要对每一类别选取一定数目的样本； （4）分类器选择：根据分类的复杂度、精度需求等确定哪一种分类器； （5）影像分类：利用选择的分类器对影像数据进行分类，有的时候还需要进行分类后处理； （6）结果验证：对分类结果进行评价，确定分类的精度和可靠性。
|
|
|
|
1楼#
发布于：2007-12-31 07:11
 |
|
