遙感數(shù)字圖像處理教學-資料下載頁
2025-05-14 23:14本頁面
【正文】 未知類別的樣本值代入判別函數(shù)，依據(jù)判別準則對該樣本的類別屬性進行判定。 其中，將利用已知樣本的特征值求解判別函數(shù)的過程稱之為 “ 學習或訓練 ” 。 監(jiān)督分類的關鍵 —— a)訓練區(qū)的確定； b)訓練和歸類判別的方法。 a)訓練區(qū)的確定 訓練區(qū)，也稱為 “ 感興趣區(qū)、 ROI 或 AOI” 。 主要可以分為 3類信息：點、線、面。 基本信息的使用問題： 名稱 （最好是某類地物的名稱） 顏色 （使用的顏色和分類系統(tǒng)中的盡量保持一致） a)訓練區(qū)必須具備典型性和代表性； b)使用的圖件資料要注意時間和空間要保持一致性； c)訓練區(qū)的選取方式，可按坐標輸入或人機對話式兩類； d)訓練樣本的數(shù)目； e)訓練區(qū)的選擇并不是一蹴而就的，而是進行選取加調整優(yōu)化的過程。 確定 ROI必須注意 ： b）訓練和判別的方法 利用已知樣本的特征值求解判別函數(shù)的過程稱之為學習或訓練。 常用方法有： 最小距離法 、多級切割法（平行管道法）、 最大似然比法 、光譜角方法、特征曲線窗口法等。 最小距離法 —— 距離判別函數(shù) 最大似然比法 —— 最大似然法判別函數(shù) 1）最小距離法 假設擬定了 n個類別，并分別確定了各個類別的訓練區(qū)。 根據(jù)訓練區(qū)，計算出各個類別的平均值，作為該類別的中心；其次計算其他待判像素點與每個類別中心的距離，并進行比較，取距離最小的歸類， …… 以此類推，確定每個像元的類別屬性。 距離指標的計算可用絕對距離、歐式距離、馬氏距離等。 這種方法原理簡單，計算速度較快，實用性較強，但分類精度相對不高。 2）最大似然法 如果 則 a) 最大似然判別規(guī)則 基于貝葉斯（ Bayes ）準則的分類錯誤概率最小的一種非線性分類方法。 根據(jù) Bayes公式 而 所以判別函數(shù) 判別規(guī)則為：若 則 圖 最大似然法分類的錯分概率 假設遙感圖像的每個波段數(shù)據(jù)的分布概率都為正態(tài)分布型，則每類地物的每一維數(shù)據(jù)也會分成正態(tài)型，則這類地物的多個維數(shù)的數(shù)據(jù)就會匯集成多維正態(tài)分布且具有自己獨特的分布特征 。 根據(jù)先驗經驗，各類地物都可以構造并描繪出他們對應的多維正態(tài)分布模型。 在此基礎上，對于圖像上任何一像素，都可以反過來求出它屬于各類的概率值，那 判定類別的方式 就是 選擇該像素屬于各類的概率值中的 max，將該像素歸屬為這一類 。 2）基本原理 使用時需注意： a)必須要具備足夠的訓練樣本數(shù)據(jù)； b)慎重選擇分類使用的波段。 圖像分類的相關問題 如何提高分類精度？？ a）充分利用遙感圖像提供的多種信息 b) 多種信息復合（融合）有易于提高單一方法分類精度 c) 混合像素的分解處理 d) 研究和采用智能分類技術，靈活運用多方面知識，分區(qū)、分層次進行分類實驗 提高分類精度的對策 (建議 )：
研究報告相關推薦
鄂ICP備17016276號-1