遙感圖象目視解譯與制圖培訓課程(已改無錯字)
2023-03-27 10:26:36 本頁面
【正文】 法： ? 絕對值距離 ? ——像元 k到類別 I的距離； ? n——總波段數； Mij——均值； ? ? Xkj ——k像元在 j波段的亮度值； ? ?i——類別號； j—波段序號； ???? njijkjki Mxxd1||)()( ki xd ? 歐幾里德距離 （ 歐氏距離 ） ：兩點之間的直線距離 。 ? 馬氏距離 ? 采用距離衡量相似度時 ， 距離越小相似度越大 。 ? （ 二 ） 相關系數 ? 相關系數是指像素間的關聯程度 ， 采用相關系數衡量相似度時 ， 相關系數越大 ，相似度越大 ， 相關系數越小 ， 相似度越小 。 ? 四、分類方法 遙感圖象的計算機分類方法包括監(jiān)督分類和非監(jiān)督分類。 ? （ 一 ） 非監(jiān)督分類 （ Unsupervised Classification） ? 定義：在沒有先驗類別作為樣本的條件下，即事先不知道類別特征，主要根 據像元間相似度的大小進行歸類合并（將相似度大的像元歸為一類）的方法。 ? 分類過程 ? A、 確定初始類別參數 ， 即確定最初類別數和類別中心 （ 亮度平均值 ） ； ? B、 計算每一個像元所對應的特征值與各類別中心的距離； ? C、 選與中心距離最短的類別作為這一像元的所屬類別； ? D、 計算新的類別亮度平均值； ? E、比較新的類別均值與原平均值的變化，若發(fā)生變化，則以新的類別均值作為聚類中心，再從第二步開始重復，進行反復迭代操作； ? F、如果聚類中心（平均值）不再變化，計算停止。 ? 如 ERDAS IMAGINE使用 ISODATA方法（ Iterative SelfOrganizing Data Analysis Techniques Algorthm），稱為 “ 迭代自組織數據分析技術 ” ，聚類過程始于任意聚類平均值或一個已有分類模板的平均值；聚類每重復一次，聚類的平均值就更新一次，新聚類的均值再用于下一個聚類循環(huán)。這樣不斷重復，直到最大的循環(huán)次數已達到設定閾值或者兩次聚類結果相比保持不變的像元所占最大百分比達到循環(huán)收斂閾值，則分類結束。 ? （二）監(jiān)督分類（ Supervised Classification）： ? 定義 ：首先需要從研究區(qū)域選取有代表性的訓練場地作為樣本。根據已知訓練區(qū)提供的樣本，通過選擇特征參數（如像素亮度均值、方差等），建立判別函數，據此對樣本像元進行分類，依據樣本類別的特征來識別非樣本像元的歸屬類別。 ? 監(jiān)督分類最基本的特點是在分類前人們對遙感圖象上某些抽樣區(qū)地物的類別屬性已有了先驗知識，先驗知識可以來自野外的實地考察、也可參照其他的文字或圖面資料或是圖象處理者本人的經驗等。 ? 分類過程 ? 以 ERDAS IMAGINE對延安寶塔區(qū)進行土地利用動態(tài)監(jiān)測為例。 ? A、根據先驗知識確定要分的類別數。 ? 在本例中 ， 通過野外考察 ， 確定土地利用類別為 14個 ， 分別為旱地 、 居民地及工礦用地 、 果園 、 有林地 、 水面 、 灌木 、天然或人工草地 、 裸巖 、 荒草地 、 水田 、菜地 、 沙地 、 沼澤 、 民用機場 。 ? B、 定義分類模板 ? ERDAS
教學課件相關推薦
鄂ICP備17016276號-1