《遥感导论》教案.doc

1 单波段摄影像片的解译

(1) 可见光黑白像片和黑白红外像片的解译

(2) 彩色像片与彩红外像片的解译

2 多光谱扫描图像的解译

(1) 多光谱扫描图像的特点

(2) 多光谱扫描图像的解译方法

3 热红外图像的解译

4 雷达图像的解译

(1) 雷达图像的解译要素及其特点

(2) 雷达图像的处理3 目视解译的认知过程

(3) 典型地物的散射特征与图像解译

第八章遥感图像的计算机分类

一、章节教案

1.教学目标及基本要求

（1）回顾数字图像的性质与特点、表示方法；

（2）掌握数字图像分类原理、监督分类、非监督分类的具体方法及两种分类方法的区别；

（3）了解遥感图像多种特征的抽取；

（4）了解基于知识的分类、面向对象的分类、人工神经网络分类、模糊分类等分类方法的原理与过程；

（5）掌握遥感图形分类结果的误差与精度评价方法。

2.教学内容及学时分配

第一节概述

第二节监督分类（2学时）

第三节非监督分类（2学时）

第四节其他分类方法（2学时）

第五节误差与精度评价（2学时）

3.教学重点和难点

重点：

数字图像的性质与特点、表示方法、数字图像分类原理、监督分类、非监督分类、遥感图像多种特征的抽取、遥感图像分类的其他先进方法。

难点：

监督分类和非监督分类。

4.教学内容的深化和拓宽

利用ENVI软件和Landsat数据进行演示。

5.教学方式（手段）及教学过程中应注意的问题

教学方式（手段）：

讲授法、演示法

教学过程中应注意的问题：

注重培养从的软件操作能力。

6.主要参考书目及网络资源

《遥感技术基础与应用》，张安定等，科学出版社，2014。

《遥感导论》，梅安新，彭望琭，秦其明，等编著，北京：高等教育出版社，2001年。

《遥感概论》，彭望碌主编著，北京：高等教育出版社，2002年。

《遥感概论》修订版，吕国楷、洪启旺、郝允充等编著，北京：高等教育出版社，1995年。

《遥感应用分析原理与方法》，赵英时等编著.北京：科学出版社，2003年。

7.思考题和习题

比较监督分类和非监督分类的优缺点？

二、每课时单元教案

1.教学时数

2学时

2.教学方式（手段）

讲授法、演示法

3.师生活动设计

教师提问，学生回答。

4.讲课提纲、板书设计

采用多媒体教学

5.教学内容

第一节概述

遥感图像的计算机分类，是对给定的遥感图像上所有像元的地表属性进行识别归类的过程。

1．图像分类的物理基础

遥感图像是传感器记录地物发射或反射的电磁辐射的结果，遥感图像中像元的亮度是地物发射或反射光谱特征的反映。

同一类地物在同一波段的遥感图像上应该表现为相同的亮度，在同一图像的多个波段上呈现出相同的亮度变化规律。

不同的地物在同一波段图像上一般表现出互不相同的亮度，在同一图像的多个波段上呈现出各异的亮度变化规律。

在特征空间中ꎬ同一地物将会形成一个相对集中的点簇ꎬ多类地物会形成多个点簇。

2．特征变量与特征提取

遥感图像分类的主要依据是图像的特征变量。在统计学上，特征与变量是一个含义。

多光谱遥感图像各个波段的像元值是分类的最原始的特征变量，这些原始特征变量经过一定的处理，如各种图像运算、Ｋ-Ｔ变换、Ｋ-Ｌ变换等，可以产生一系列新的特征变量。

特征变量可分为全局统计特征变量和局部统计特征变量。

在实际应用中，对特征变量的选择随应用目的、研究区特点、遥感图像特征、地物类型等的不同而变化。总的原则是: ①数量适度并尽可能少；②独立性强、相互之间的相关性低；③类内个体间差异小、类间差别大。

3．图像分类的方法

遥感图像计算机分类的方法纷繁多样，归纳起来有以下几种划分方法：

基于分类的依据，遥感图像的计算机分类可分为两种: 一种是分类单纯依赖像元在各波段的亮度值及其组合或变换的结果；另一种是除考虑像元的光谱特征外ꎬ还要利用像元和其周围像元之间的空间关系，如纹理、形状、方向性等。

基于分类过程中人工参与的程度，可分为监督分类、非监督分类和两者相结合的混合分类。

基于分类的对象，可分为逐像元分类和面向对象分类。

基于输出结果的明确程度，有硬分类和模糊分类之分。

第二节监督分类

监督分类也称训练分类法，是指用选定的已知类别的样本去识别其他未知类别像元的过程ꎮ已被确认类别的样本像元是指那些位于训练区的像，其类别属性是预先通过对工作区图像的目视解译、实地勘察等方法确定的。

1 训练样本的选择与评价

(1) 训练样本的选择

(2) 训练样本的评价

2 分类算法

(1) 多级切割法

(2) 最小距离法

(3) 最近邻域法

(4) 最大似然法

(5) 光谱角分类法

1.教学时数

2学时

2.教学方式（手段）

讲授法、演示法

3.师生活动设计

教师提问，学生回答。

4.讲课提纲、板书设计

采用多媒体教学

5.教学内容

第三节非监督分类

非监督分类也称聚类分析或点群分析ꎬ是在没有先验样本的条件下，即预先不知道图像中地物的类别特征，由计算机根据像元间光谱特征的相似程度进行归类合并的分类方法。

1．Ｋ-均值算法

概念：

基本思想：

基本流程：

2．迭代式自组织数据分析算法

概念：

基本思想：

基本流程：

3．监督分类与非监督分类的比较

1.教学时数

2学时

2.教学方式（手段）

讲授法、演示法

3.师生活动设计