【文章內(nèi)容簡介】 的決策樹分類進(jìn)行分類，最后進(jìn)行比較分析。長白朝鮮族自治縣是一個地域算小的區(qū)域，以它為研究對象，能夠簡潔明了的進(jìn)行計算機(jī)操作，對實驗減輕了不少的麻煩，這塊區(qū)域目視就是林地比較多， 居民地分布有一定的特點。每一種方法的分類比較之后，進(jìn)行分析比較，最后得出 結(jié)論。 圖 21 長白朝鮮族自治縣土地覆蓋圖 數(shù)據(jù)處理 利用光譜數(shù)據(jù)進(jìn)行模式識別時，結(jié)果的準(zhǔn)確性很大程度上取決于光譜資料的聚集程度。原始的遙感圖像在成像過程中，由于受到各種因素的影響，會產(chǎn)生幾何畸變，圖像目視效果不好或者有用的信息不突出等一些問題，從而導(dǎo)致出現(xiàn)分類錯誤，因此必須在分類之前作必要的預(yù)處理。遙感圖像處理是恢復(fù)，增強(qiáng)，處理，遙感圖像數(shù)據(jù)處理遙感數(shù)據(jù)圖像的信息提取和分析，它在遙感科學(xué)的實際應(yīng)用和特異性結(jié)合的重要技術(shù)，隨著計算機(jī)技術(shù)的發(fā)展與應(yīng)用，目前遙感圖像處理主要是利用計算機(jī)等設(shè)備通過數(shù)字處理 的方法完成。 長春師范大學(xué)本科畢業(yè)論文 5 數(shù)據(jù)源 數(shù)據(jù)源 是提供某種所需要數(shù)據(jù)的器件或原始媒體。顧名思義，數(shù)據(jù)的來源。在 數(shù)據(jù)源 中存儲了所有建立 數(shù)據(jù)庫連接的信息。就 像 通過指定文件名稱可以在文件系統(tǒng)中找到文件一樣，通過提供正確的數(shù)據(jù)源名稱，你可以找到相應(yīng)的數(shù)據(jù)庫連 接。 本文里我以 06年， 08年的數(shù)據(jù)為研究對象進(jìn)行土地覆蓋分類的研究。 遙感圖像增強(qiáng)及數(shù)據(jù)融合 圖像增強(qiáng)是提高圖像的顯示質(zhì)量，以促進(jìn)和圖像信息的識別提取。在該方法中采用的是突出重要信息，刪除不重要的或必要的信息來實現(xiàn)，也可以調(diào)整圖像的直方圖，實現(xiàn)對像素的亮度值 之間的數(shù)學(xué)或數(shù)學(xué)變換的圖像增強(qiáng)的目的。主要的方法有對比度擴(kuò)展、空間濾波、圖像運算和多光譜變換等，通過增加顏色提高圖像目視效果也不失為圖像增強(qiáng)的方法之一。 (1)對比度變化 相反，反映了圖像的亮度值的范圍，目標(biāo)物體的可能性就大發(fā)現(xiàn)；相反，它是難以區(qū)分的對象和背景，識別是不可能。與線性變換的對比度增強(qiáng)的主要方法，直方圖調(diào)整。線性變換是圖像增強(qiáng)最常用的方法。由于目標(biāo)和背景的解釋是復(fù)雜的，蔓延到指定的范圍和最大動態(tài)范圍。轉(zhuǎn)換函數(shù)是線性的，往往將功能認(rèn)為原始圖像的亮度值的動態(tài)。非線性變換的非線性對比度增強(qiáng)功能。常用方 法有對數(shù)變換、指數(shù)變換和查表法等，變換函數(shù)，指數(shù)變換的效果正好與對數(shù)變換相反，突出亮區(qū)而壓制暗區(qū)。二者互為逆運算操作。查表法是非線性變換的一種簡單而有效的方法，即把亮度值的輸入與輸出間的變換關(guān)系列成表格，當(dāng)輸入某一已知值后，通過查表獲得其對應(yīng)的輸出值。直方圖調(diào)整是指傳遞函數(shù)，使原圖像的直方圖和亮度根據(jù)價值觀的變化。 (2)彩色合成 在使用單波段圖像時，由于成像系統(tǒng)動態(tài)范圍的限制，地物顯示的亮度值差異較小。選擇三個波段和多波段圖像的濾波，衍射光柵的光學(xué)系統(tǒng)，這樣得到的，給出了三色合成。根據(jù)帶顏色的不同，可以有 不同的彩色合成圖像。①對真彩色合成的藍(lán)綠色，同一對象的三幅圖像，紅色過濾器和拍攝相同的顏色，如果使用合成，可以得到接近自然的色彩，這種方法稱為真彩色合成。②假彩色合成，因為多光譜攝影，圖像不得到的三基色的波長范圍，如可見紅外隱形的使用等等，因此由這些圖像所進(jìn)行的彩色合成稱假彩色合成進(jìn)行遙感影像合成時，方案的選擇十分重要，它決定了彩色影像能否顯示較豐富的信息或突出某一方面的信息。 (3)濾波空間濾波 是指在圖像空間 (x， y)或空間頻率或?qū)斎雸D像應(yīng)用若干濾波函數(shù)而獲得改進(jìn)的輸出圖像的技術(shù)，即對圖像中某些空間、 頻率特征的信息增強(qiáng)或抑制，如增強(qiáng)高頻信息，抑制低頻信息等。增強(qiáng)的低頻信息來抑制高頻細(xì)節(jié)信息，刪除。為了消除噪聲的影響，邊緣增強(qiáng)和線，圖 像清晰度。注意圖像的某些特征突出，邊緣或紋理，與相鄰長春師范大學(xué)本科畢業(yè)論文 6 的像素 的方法之間的關(guān)系，在空間域的鄰里關(guān)系的處理方法，也被稱為“空間濾波”，它屬于一種幾何增強(qiáng)處理?？臻g濾波技術(shù)的基本思路有：提取原圖像的邊緣信息，進(jìn)行加權(quán)處理，然后與原圖像迭加；加權(quán)抽取模糊成分的原始圖像和原始圖像，然后疊加；原始圖像加權(quán)使用指定的函數(shù)，使圖像清晰、平滑效果。在操作過程中，空間卷積技術(shù)，即移動的“窗口”，在 原始圖像中，通過局部操作塊。 (4)HIS 彩色空間變換 HIS 是色調(diào)，飽和度和明度的色彩模式，在自動處理色彩時，通常采用彩色顯示器顯示系統(tǒng)進(jìn)行，彩色顯示器顯示的色彩是由 RGB 信號的亮度來確定的，由于 RGB 表色系統(tǒng)不是線性的，所以通過這種操作調(diào)整顯示色的色調(diào)比較困難。在這種情況下，的 RGB 信號會暫時變成他的顏色系統(tǒng)的假設(shè)，調(diào)整亮度和飽和度，然后返回到 RGB 彩色合成信號。在 RGB 空間和自己的空間和自己的變換之間的轉(zhuǎn)換過程之間的關(guān)系模型。 長春師范大學(xué)本科畢業(yè)論文 7 第 三 章 圖像分類方法 遙感圖像分類就是利用計算機(jī)通過對遙感圖像中各類 地物的光譜信息和空間信息進(jìn)行 分析，選擇特征，并用一定的手段將特征空間劃分為互不重疊的子空間。 遙感圖像分類的理論依據(jù)是：遙感圖像中的同類地物在相同的條件下，應(yīng)具有相同或相似的光譜信息特征和空間信息特征，從而表現(xiàn)出同類地物的某種內(nèi)在的相似性，即同類地物像素的特征向量將集群在同一特征空間區(qū)域；而不同的地物其光譜信息和空間信息特征將不同，將集群在不同的特征空間區(qū)域。由于對象的復(fù)雜特性，組成，分布和成像條件，和像素或瞬時視場往往有混合的像素 —— 這兩個或兩個以上的物體，類似對象的特征向量是不一樣的，不同類型的區(qū)別的特征 向量不清楚。 當(dāng) 各個集群之間往往不能十分清楚地分開，不同集群之間一般有少部分重疊交叉的情況，一個集群就是一個類別，每個類別的像素值都可以看作是隨機(jī)變量。 監(jiān)督分類 監(jiān)督分類是 一種常用的精度較高的統(tǒng)計判決分類，在已知類別的訓(xùn)練場地上提取各類訓(xùn)練樣本，通過選擇特征變 量、確定判別函數(shù)或判別規(guī)則，把圖像中的每個像素點在每個給定的類別中劃分，分類 的方法。首先對 06 年的遙感影像進(jìn)行了分類，分類首先 目視的看大致能分成幾類，然后 選取樣本，選取樣本越細(xì)致，分類結(jié)果精度越高。選取樣本之后要進(jìn)行驗證，看選取的樣本精度如何 。有兩種方法進(jìn)行驗證，第一種是利用統(tǒng)計學(xué)的方法，計算可分離性。 圖 31 監(jiān)督分類選取樣本 長春師范大學(xué)本科畢業(yè)論文 8 圖 32 檢驗計算可分離性 圖 33 統(tǒng)計學(xué)方法檢驗 一般是大于 的算合格的，這幅圖里居民地和耕地就比較接近，如果小于 的可以選擇合并，像這個就需要重新選擇分類。 長春師范大學(xué)本科畢業(yè)論文 9 圖 34 NV 可視化檢驗 第二種方法是目視，在 NV 可視化下看，如果聚在一起的就是一類的，如果離的有一定的距離就不是一類的?？梢园巡辉谝活惖娜サ艋蛘甙阉鼩w到鄰近的一類里，可以稍微的調(diào)試一下。 最大似然 /貝葉斯分類 最大似然法因有嚴(yán)密的理論基礎(chǔ)，對于呈正態(tài)分布的類別判別函數(shù)易于建立，綜合應(yīng)用了每個類別在各波段中的均值，方差以及各波段之間的協(xié)方差，有較好的統(tǒng)計特性，一直被認(rèn)為是最先進(jìn)的分類方法。 最大似然判決分類方法是建立在貝葉斯準(zhǔn)則基礎(chǔ)上的，其分類錯誤概率最小，是風(fēng)險最小的判決分析，是典型的和應(yīng)用最廣的監(jiān)督分類方法，偏重于集群分布的統(tǒng)計特性，并假定訓(xùn)練樣本數(shù)據(jù)在光譜空間服從高斯正態(tài)分布。用最大似然法分類，具體分為三步：首先確定各類的訓(xùn)練樣本，再根據(jù)訓(xùn)練樣本計算各類的統(tǒng)計特征值，建立分類判別函數(shù)，最后逐點掃描影像各像元，將像元特征向量代入判別函數(shù)求出其屬于各類的概率，將待判斷像元歸屬于判別函數(shù)概率最大的一組。高精度的最小分類錯誤，是一個很好的分類。不足的是采樣的工作量，效率低，傳統(tǒng)的手工方法，和人為 錯誤，分類結(jié)果精度差。利用 GIS 數(shù)據(jù)來輔助最大似然法分類，可以提高分類精度，通過建立知識庫指導(dǎo)分類的進(jìn)行，可以減少分類的錯誤，這是提高最大似然法分類的精度的有效途。 最大似然分類是圖像處理中最常用的一種監(jiān)督分類方法，它利用了遙感數(shù)據(jù)的統(tǒng)計特征，假定各類的分布函數(shù)為正態(tài)分布，在多變量空間中形成橢圓或橢球分布，這是方向和傳播的情況不同的是根據(jù)最大似然