遙感圖像分類ppt課件(參考版)
2025-05-10 02:31本頁面
【正文】 例如：不同的植被類型可能有相似的光譜特征 制約分類精度的因素 不同含水量的土壤的波譜曲線 不同葉綠素濃度海水的波譜曲線 74 目視判讀用到的信息與計(jì)算機(jī)自動(dòng)分類所用信息的區(qū)別 目視判讀 計(jì)算機(jī)自動(dòng)分類 處理對(duì)象 多個(gè)像元的組合 單個(gè)像元 面積的估算 粗略的 精確的 波段 最多 3個(gè)波段 沒有限制 分別灰階的能力 大約十幾個(gè)灰階 能夠充分利用所有灰階 地物形狀 可以利用 存在限制 ， 依賴于算法 空間信息 可以利用 存在限制 非遙感信息 可以利用 （ 圖像融合 ） 可以利用 ， 程度不夠 處理時(shí)間 慢 快 結(jié)果重現(xiàn) 差 好 目視判讀用到的信息與計(jì)算機(jī)自動(dòng)分類所用信息的區(qū)別 目前計(jì)算機(jī)能夠利用的信息還是很有限的 ? 一方面從地物本身的復(fù)雜性著手，一方面從分類方法著手 ?提高分類前預(yù)處理的精度 ?分類樹，所謂的分層分類 ?混合分類 ?多種信息的復(fù)合 ?與 GIS的集成 ?基于目標(biāo)的遙感圖像分類 提高分類精度的方法 ? 遙感圖像分類的基礎(chǔ)是什么？ ? 影響分類精度的因素有哪些？ ? 什么是特征變換？我們所學(xué)的各種特征變換有何特點(diǎn)？ ? 比較最大似然法與最小距離法的優(yōu)缺點(diǎn) ? 比較 K均值法與 ISODATA法的優(yōu)缺點(diǎn) ? 比較監(jiān)督分類與非監(jiān)督分類的優(yōu)缺點(diǎn) 思考題 。 ? 表示在分類結(jié)果中有 84%的森林被正確的分類為森林，但所有分類為森林的地區(qū)只有60%的地區(qū)真正屬于森林這個(gè)類別 混淆矩陣 ? m =誤差矩陣中行的數(shù)量（即總的類別數(shù)） ? xii=第 i行第 i列上的像元數(shù)量（即主對(duì)角線上正確分類的數(shù)量） ? xi+=在第 i行的總像元數(shù)量 ? x+i=在第 i列的總像元數(shù)量 ? N =用于精度評(píng)估的總像元數(shù)量 Kappa系數(shù) ?分類總體精度與 Kappa的區(qū)別： ? 總體精度只用到了位于對(duì)角線上的像元數(shù)量 ? Kappa則既考慮了對(duì)角線上被正確分類的像元，又考慮了不在對(duì)角線上的各種漏分和錯(cuò)分錯(cuò)誤 Kappa系數(shù) ?遙感圖像的制約 ? 地物本身的復(fù)雜性 ? 傳感器的性能 ?分類方法的制約 ? 目前的分類方法是基于統(tǒng)計(jì)的方法，計(jì)算機(jī)處理的對(duì)象是單個(gè)像元，屬于單點(diǎn)分類 ? 地物空間結(jié)構(gòu)的信息沒有利用 制約分類精度的因素 ? 同物異譜：同類地物具有不同的光譜特征。待所有樣本第 i 次劃分完畢后，重新計(jì)算新的集群中心 zj(i +1), j=1, 2, …, K ? （ 4）如果聚類中心不變，則算法收斂，聚類結(jié)束；否則回到（ 2），進(jìn)入下一次迭代 K均值法 ? 優(yōu)點(diǎn)：實(shí)現(xiàn)簡單 ? 缺點(diǎn)： ? 過分依賴初值，容易收斂于局部極值 ? 在迭代過程中沒有調(diào)整類數(shù)的措施，產(chǎn)生的結(jié)果受到所選聚類中心的數(shù)目、初始位置、類分布的幾何性質(zhì)和讀入次序等因素影響較大 ? 初始分類選擇不同，最后的分類結(jié)果可能不同 K均值法 ? Iterative SelfOrganization Data Analysis Techniques“迭代自組織數(shù)據(jù)分析技術(shù)方法”的簡稱 ? 可以 自動(dòng)地進(jìn)行類別的 “ 合并 ” 和“ 分裂 ” ， 從而得到比較合理的聚類結(jié)果 ISODATA （ 1）初始化，設(shè)置參數(shù)； （ 2）選擇初始聚類中心； （ 3）按一定規(guī)則 (如距離最小 )對(duì)所有像元分配類別； （ 4）計(jì)算并改正重新組合的類別中心； （ 5）類別的分裂和合并； （ 6）如果達(dá)到迭代次數(shù)或者兩次迭代之間類別均值變化小于閾值，則結(jié)束迭代；否則，重復(fù)（ 3）（ 6）； （ 7）確認(rèn)類別，對(duì)結(jié)果進(jìn)行精度
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1