【正文】 當(dāng)?shù)姆诸愄卣?，所選特征要保證訓(xùn)練樣本之間的可分性要高；然后選擇適當(dāng)?shù)姆诸惙椒?，確定所有像元類別并進(jìn)行精度評(píng)價(jià)。 ? ? ? ? ? ? ? ?1 12 2 12 d e t e x p 2n tk k k kx x xL ? ??? ????? ? ? ? ? ? ? ? ?? ? ? ????????? ?? 在該式中， n：特征空間的維數(shù)； p（ k）：類別 k 的先驗(yàn)概率； kL （ x）：像元 x 歸并到到類別 k 的歸屬概率； x：像元向量； k? ：類別 k 的平 均向量即 n 維列向量； det：矩陣A 的行列式； ∑k：類別 k 的方差、協(xié)方差矩。分類結(jié)果如圖 6所示： 天水師范學(xué)院畢業(yè)論文 圖 6 平行六面體法分類結(jié)果 The result of parallelepiped classification 分類后精度評(píng)價(jià)結(jié)果如下表 ： 表 4 研究區(qū)平行六面體法分類精度評(píng)價(jià)結(jié)果 Table4: The evaluation results of classification accuracy of parallelepiped method in study areas 河流 植被 居民區(qū) 裸地 耕地 用戶精度（ %） 河流 11 0 0 0 0 植被 0 2 0 0 0 居民區(qū) 0 0 14 0 0 裸地 0 0 0 11 0 耕地 0 0 0 0 8 生產(chǎn)精度（ %） 總體精度： % Kappa 系數(shù)： 馬氏距離分類 馬氏距離分類是一個(gè)方向靈敏的距離分類器，它分類時(shí)將使用到統(tǒng)計(jì)信息。其中總體精度=被正確分類的像元總和 /總像元數(shù)。說(shuō)明從 1992 年到 20xx 年 所選研究區(qū)的地表主要地物 分布情況 的發(fā)生了很大變化，最主要的變化是居民區(qū)的增加和耕地的減少。 multispectral。 其次感謝四年來(lái)教授我課程的所有 老師，是他們給了我專業(yè)基礎(chǔ)知識(shí)，是我完成論文的基礎(chǔ) ，而且讓我終身受益 。 感謝我的家人，是他們的支持和鼓勵(lì)，才使我能順利 完成學(xué)業(yè)。 classification accuracy 天水師范學(xué)院畢業(yè)論文 致 謝 光陰冉冉，歲月如流，大學(xué)的學(xué)習(xí)和生活竟已接近尾聲！回首四年的求學(xué)生涯，有無(wú)數(shù)的親人、老師和同學(xué)在默默地關(guān)心、支持和幫助我。地物由于組成與結(jié)構(gòu)的不同而具有各自獨(dú)特的波譜反射與輻射特性，表征為圖像上亮度值的差異。 Kappa 系數(shù)的定義為： ? ?? ?1121k=mmpili liiimpi liiN p p pN p p?????????? 式中： K 為 Kappa 系數(shù)； N 為總樣本數(shù)； pip 為某一類所在列總數(shù)； lip 為某一類所在 行的總數(shù)。除非用戶指定了距離的閾值，在這種情況下，如果有些像元不滿足所選的標(biāo)準(zhǔn)，那么它們就不會(huì)被歸為任何類，否則所有像元都將分類到感興趣區(qū)中最接近的那一類。分類圖像如圖 4 所示： 圖 4 最大似然法分類后的結(jié)果 The results of Maximum likelihood classification 對(duì)分類后的圖像進(jìn)行分類精度評(píng)價(jià)，主要是選點(diǎn)然后進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析，可以得出的一個(gè)混淆矩陣，在該矩陣中可以看出各種地物的分類效果以及總得分類效果。 再 結(jié)合部分地區(qū)的實(shí)地考察及借助 google earth 中的遙感圖像作為參考，得出天水市區(qū)的典型地物類型的目視解譯標(biāo)志。 圖 2 1992 年分類區(qū)原始圖像 The original image in classification areas in 1992 數(shù)據(jù)處理方法 用 ENVI 圖像處理軟件對(duì) TM 資料進(jìn)行預(yù)處理，主要包括波段的合成和增強(qiáng)。地貌區(qū)域分異明顯：東部和南部因古老地層褶皺而隆起，形成山地地貌；北部因受地質(zhì)沉陷和紅、 黃土層沉積，形成黃土層沉積，形成黃土丘陵地貌；中部小部分地區(qū)因受緯向構(gòu)造帶的斷裂，形成渭河地塹，經(jīng)第四紀(jì)河流發(fā)育和侵蝕堆積，形成渭河河谷地貌。近年來(lái)由于模式識(shí)別技術(shù)特別是人工智能的發(fā)展，開發(fā)出了許多新方法和新技術(shù)以改善分類效果或提高分類精度。 經(jīng)答辯小組成員協(xié)商，一致認(rèn)為該論文達(dá)到學(xué)士學(xué)位論文水平。 supervised classification。 學(xué) 位 論 文 中 凡是 引 用 他 人 已 經(jīng) 發(fā) 表 或 未 經(jīng) 發(fā) 表 的 成 果 、 資 料 、 觀 點(diǎn)等 均 已 明 確 注 明 出 處 。經(jīng)地面調(diào)查檢驗(yàn)，分類結(jié)果與實(shí)際下墊面情況基本吻合，分類精度較高。經(jīng)地面調(diào)查檢驗(yàn)，分類結(jié)果與實(shí)際下墊面情況基本吻合，分類精度較高。 本文 利用 1992 年和 20xx年天水市的 TM 影像 資料，結(jié)合地面調(diào)查資料， 對(duì)天水市部分地區(qū)進(jìn)行主要地物計(jì)算機(jī)分類 的探索，有助于更好得判別和提取天水市 TM 遙感影像特征 。44′E、 34176。 分類方法 遙感圖像包括了豐富的光譜信息，光譜信息反應(yīng)了地物的某種物理測(cè)量值大小，是地物特征較直觀的反映，不同地物 的光譜特征不同〔圖 3〕。 天水師范學(xué)院畢業(yè)論文 表 1 典型地物目標(biāo)解譯標(biāo) 志 Table1: The objective interpretation signs of classic surface feature 地物類型 圖像特征 樣本圖片 河流 橘黃色；線狀 植被 綠色；塊狀 耕地 淺綠色；有規(guī)則的塊狀 裸地 白色；塊狀 建筑地 紫色；不規(guī)則的小塊狀 最大似然分類法 最大似然分類法是經(jīng)常使用的監(jiān)督分類方法之一，它是通過(guò)計(jì)算每個(gè)像元對(duì)于各類別 的 歸屬概率，把該像元分到歸屬概率最大的類別中去的方法。在分類過(guò)程中主要是利用改變標(biāo)準(zhǔn)差和最大距離誤差來(lái)生成分類影像。該矩陣的每一列代表一個(gè)地表的真實(shí)類別 ,每一行代表分類結(jié)果中的類 ,其對(duì)角線上的元素為被正確分類的樣本數(shù)目 , 非對(duì)角線上的元素為被混分的樣本數(shù)目。 經(jīng)過(guò)以上的對(duì)比分析，最大似然法比較適合該區(qū)域的分類，所以選擇最大似然法對(duì)20xx 年的 TM 遙感影像數(shù)據(jù) 進(jìn)行分類處理，可以得出以下分類結(jié)果（如圖 8） 。 （ 3）從檢查結(jié)果看，主要地物類型判識(shí)基本準(zhǔn)確，有少量耕地、植被和居民區(qū)有漏判、誤判現(xiàn)象， 但 由于面積較小，因此不影響分類圖的精度。 從論文的選題、研究方向、研究?jī)?nèi)容的確定到具體實(shí)施 細(xì)節(jié)等，每一個(gè)環(huán)節(jié)都凝聚著恩師的心血