遙感圖像認(rèn)識與解譯-資料下載頁
2025-01-16 15:04本頁面
【正文】 撲關(guān)系等，進(jìn)行分類 分類方法：最鄰近法，模糊分類法 面向?qū)ο蠓诸惙椒? 最鄰近分類法 ? 影像對象作為分類的基本單元，優(yōu)選對象的特征，構(gòu)建對象的特征空間 ? 在特征空間中計算待分類影像對象與各地類訓(xùn)練樣本之間的距離，尋找與待分類影像對象距離最近的樣本對象，將該對象歸屬到最近樣本對象所在的類別 面向?qū)ο蠓诸惙椒? 模糊 分類法 ? 模糊化 即利用隸屬度函數(shù)將對象特征值轉(zhuǎn)換為隸屬度（屬于某一類別的可能性）。 ? 模糊邏輯運(yùn)算 是對對象的多個特征形成的多個模糊集合進(jìn)行邏輯運(yùn)算處理。 ? 反模糊化 指通過模糊集合綜合評判的方法確定對象類別，是一個從隸屬度度到確定類別的過程。 基于像元的植被提取 基于影像對象的植被提取 面向?qū)ο笈c基于像素分類效果比較 4 分類后處理 類別的合并 篩濾 臨近類別的歸并 多數(shù) /少數(shù)分析 類別的疊加顯示 類別的合并 ? 同一類別中，光譜特征相差太大，需要再分類的時候作為幾類進(jìn)行分類，分類完成后再進(jìn)行類別的合并。 篩濾（ sieve） ? 去除離散的像元點(diǎn)。與用戶給定的窗口大小有關(guān)。去除后的像元標(biāo)記為 “ 未分類”。 ? 四鄰域 ? 八鄰域 四鄰域 八鄰域 臨近類別的歸并 (clump) ? 離散點(diǎn)歸并到周圍大的類別中 。先膨脹，再侵蝕。 數(shù)學(xué)形態(tài)學(xué)知識簡介： ? 膨脹（ Dilate ）：填充、擴(kuò)展、增長等。填充小于結(jié)構(gòu)元素（核）的像元?；叶葓D像或者黑白圖像。 ? 侵蝕 (Erode ): 收縮。去除小于給定結(jié)構(gòu)的孤島。 ? 開運(yùn)算（ Opening）：先侵蝕再膨脹。突刺濾掉，切斷細(xì)長搭接而起到分離作用。 ? 閉運(yùn)算（ Closing） ：先膨脹再侵蝕。可以填補(bǔ)小的缺口和孔，搭接短的間斷而起到連通作用。 Clump采用閉運(yùn)算 1 1 1 1 3 1 1 1 1 1 1 1 1 1 1 1 1 1 CLUMP處理后 多數(shù) /少數(shù)分析 Majority/Minority Analysis ? 多數(shù)或者少數(shù)分析 ? 中心像元將被給定的窗口內(nèi)的多數(shù)像元或者少數(shù)像元值所取代。 ? 舉例 多數(shù)分析 類別疊加顯示 ? 將分類的圖像疊加在一個彩色合成遙感圖像上。對于分類圖像可以選擇要疊加的類別。 ? 用途：動態(tài)變化的監(jiān)測，分類結(jié)果的檢驗(yàn)與交互式修改。 5. 精度評價 精度評價流程 檢驗(yàn)數(shù)據(jù) 采樣方法 混淆矩陣 Kappa統(tǒng)計 精度評價流程 分類精度直接關(guān)系到更新 GIS數(shù)據(jù)庫的能力，說明分類結(jié)果的可信度。 檢驗(yàn)數(shù)據(jù) （采樣方案，采樣大小和數(shù)目 ） 位置精度 專題精度 均方根誤差 誤差矩陣 參數(shù)統(tǒng)計 報告 圖 精度評價流程 檢驗(yàn)數(shù)據(jù) 檢驗(yàn)數(shù)據(jù) 和遙感分類結(jié)果對比，形成混淆矩陣，評價遙感圖像分類結(jié)果。 1）檢驗(yàn)數(shù)據(jù) 檢驗(yàn)數(shù)據(jù)主要來自于地面實(shí)況的調(diào)查或更高空間分辨率的航空圖像的目視解譯結(jié)果。 ENVI軟件中通過定義 ROI來實(shí)現(xiàn)。 采樣方法 ① 來自監(jiān)督分類的訓(xùn)練樣區(qū) ②專門選定的試驗(yàn)場 ③隨機(jī)取樣 檢驗(yàn)樣本的采樣方法是影響精度評價結(jié)果的重要因素。 混淆矩陣 采用某種采樣方法得到檢驗(yàn)數(shù)據(jù)，對比遙感分類結(jié)果圖得到混淆矩陣?；煜仃嚨男问饺绫?。 運(yùn)行誤差（ Commit Error） =(E+F)/G 用戶精度（ User’s Accuracy）： =A/G =100%運(yùn)行誤差 結(jié)果誤差（ Omission Error） = (B+C)/D 生產(chǎn)者精度（ Producer’s Accuracy） = A/D =100%結(jié)果誤差 總體精度 (Overall Accuracy) = 正確分類 /總樣本數(shù) Kappa統(tǒng)計 總體精度并不能排除偶然一致性， Cohen（ 1960）提出的 kappa統(tǒng)計評價方法。kappa統(tǒng)計也是根據(jù)混淆矩陣來計算。 ??? ??????? ???miiimimiiiiiXXNXXXNk121 1?其中 m為類別數(shù)， 為對角線樣本的數(shù)目， ， 分別是 i行 i列上樣本數(shù)目的總和， N為樣本數(shù)目。 Xii ?iX iX? Kappa統(tǒng)計 (續(xù) 1) ? Kappa統(tǒng)計用到了混淆矩陣中每一個元素，用來度量實(shí)際吻合（ Actual Agreement）和變化吻合（ Change Agreement），比只計算總體精度要合理些?？傮w精度只考慮混淆矩陣對角線上元素， kappa系數(shù)考慮了非對角線上的元素 ? Kappa統(tǒng)計的意義是：如果 Kappa統(tǒng)計為 ，則表示所用的分類方法比隨機(jī)賦予各點(diǎn)某一類別的方法優(yōu)越 70%。目前 kappa統(tǒng)計也成為評價分類結(jié)果的一個標(biāo)準(zhǔn)參數(shù)。 分類精度評價 分類前的遙感圖像預(yù)處理 ? 遙感圖像的預(yù)處理，幾何校正，輻射校正 ? 圖像特征變換，主成分變換， NDVI ? 空間信息的提取與利用 分類樹，分層分類 ? 當(dāng)一次性分類出現(xiàn)類間混淆又難以解決時，可以采用逐次分類的方法 不同的分類方法結(jié)合 ? 監(jiān)督分類與非監(jiān)督分類結(jié)合：混合分類 多種信息復(fù)合 ? 遙感信息 ? 非遙感信息：其它地理輔助信息；比如 DEM，坡度，土壤類型圖等 提高分類精度的策略 本章課程結(jié)束！
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1