第四章 遥感图像专题分类

3. 室内详细判读
统筹规划、分区判读， 统筹规划、分区判读， 由表及里、循序渐进， 由表及里、循序渐进， 去伪存真、静心解译。 去伪存真、静心解译。
4. 野外验证与补判
野外验证包括： 野外验证包括：检验专题解译中图斑的内容是否 正确;检验解译标志. 正确;检验解译标志. 疑难问题的补判： 疑难问题的补判：对室内判读中遗留的疑难问题 的再次解译。 的再次解译。
解译标志
色调：全色遥感图像中从白到黑的密度比例叫色调（也叫灰度） 色调：全色遥感图像中从白到黑的密度比例叫色调（也叫灰度） 颜色：是彩色图像中目标地物识别的基本标志。 颜色：是彩色图像中目标地物识别的基本标志。 阴影：是图像上光束被地物遮挡而产生的地物的影子。 阴影：是图像上光束被地物遮挡而产生的地物的影子。据此可判读物体性
色：指目标地物在遥感影像上的颜色，包括色调、颜色和阴影。 指目标地物在遥感影像上的颜色，包括色调、颜色和阴影。 指目标地物在遥感影像上的形状，包括形状、纹理、大小、 形：指目标地物在遥感影像上的形状，包括形状、纹理、大小、 图形等。 图形等。 位：指目标地物在遥感影像上的空间位置，包括目标地物分布 指目标地物在遥感影像上的空间位置， 的空间位置、相关布局等。 的空间位置、相关布局等。
原 始 图 像
分 类 图 像
专 题 制 图
分类精度评价
混淆矩阵
4.4 新兴遥感分类技术 神经网络分类技术 专家系统分类技术 面向对象的分类技术
神经网络分类技术
►神经网络分类是基于人工神经网络（ANN）技术的 神经网络分类是基于人工神经网络（ANN） 遥感影像分类技术。 遥感影像分类技术。 ►神经网络是由一些简单的处理单元和节点组成的一 个内部相互关联的统一体， 个内部相互关联的统一体，该系统的功能是模仿动 物神经网络的功能。 物神经网络的功能。 ►神经网络的处理能力存在于系统内部起连接作用的 权重之间，并通过学习一系列给定的训练模式过程 权重之间， 而获得。 而获得。 ►根据环境的变化，对权值进行调整，改善系统的行 根据环境的变化，对权值进行调整， 为。
质或高度。 质或高度。
形状：目标地物在 遥感图像上呈现的外部轮廓。 遥感图像上呈现的外部轮廓。 形状： 纹理：也叫内部结构， 纹理：也叫内部结构，指遥感图像中目标地物内部色调有规则变化造成的
影像结构。 影像结构。
大小：指遥感图像上目标物的形状、面积与体积的度量。 大小：指遥感图像上目标物的形状、面积与体积的度量。 图型：目标地物有规律的排列而成的图形结构。 图型：目标地物有规律的排列而成的图形结构。 位置：指目标地物分布的地点。 位置：指目标地物分布的地点。 相关布局：多个目标地物之间的空间配置关系。 相关布局：多个目标地物之间的空间配置关系。
——心理特点对遥感图像解译的影响 注意事项——心理特点对遥感图像解译的影响
♫ 同一时刻，只有一种地物是目标地物,图像 的其余部分以目标地物的背景出现,此时判 读者的注意力往往集中在目标地物上. ♫ 判读者的知识和经验对目标地物的确认有一 定的导向作用,因此,不同的解译者可能得出 不同的结论. ♫ 心理惯性对目标地物的识别有一定的影响. ♫ 观察的时效性.正确辨认目标地物,需要一个 最低限度的时间才能完成.
专家系统分类技术
►专家系统是利用符号知识来模拟人类专家行为的计 专家系统是利用符号知识来模拟人类专家行为的计 算机程序。 算机程序。 ►专家系统包括：用户界面，推理机、特定领域的知 专家系统包括：用户界面，推理机、 专家系统包括 识库 ►可利用Erdas、ENVI、Matlab等实现 可利用Erdas、ENVI、Matlab等实现 可利用Erdas
► 最大似然分类 ► 最小距离分类 ► 马氏距离分类 ► 平行管道分类 ► 神经网络分类方法 ► 光谱角分类 ► 二值编码分类
监督分类对训练区选择的要求
►训练区是图像上已知覆盖类型的代表样区，具有描述 训练区是图像上已知覆盖类型的代表样区， 训练区是图像上已知覆盖类型的代表样区 主要特征类型的光谱属性； 主要特征类型的光谱属性； ►训练区所包含的样本在种类上要与待分区域的类别一 训练区所包含的样本在种类上要与待分区域的类别一 致或者大于待分区域的类别。 致或者大于待分区域的类别。训练样本应在各类目标 地物面积较大的中心选取，这样才能体现代表性。 地物面积较大的中心选取，这样才能体现代表性。 ►训练样本的选取应能够提供各类足够的信息和克服各 训练样本的选取应能够提供各类足够的信息和克服各 种偶然因素的影响。 种偶然因素的影响。训练区的数目最少要满足建立判 别函数的要求。 别函数的要求。 ►样本选择要具有完整性、代表型，选择多个样区，分 样本选择要具有完整性、代表型，选择多个样区， 样本选择要具有完整性 布均匀。 布均匀。 训练区选择的精度直接影像分类结果。 ►训练区选择的精度直接影像分类结果。 训练区选择的精度直接影像分类结果
影像对象的分类，目前常用的方法是“监督分类” 影像对象的分类，目前常用的方法是“监督分类” 和“基于知识分类”。这里的监督分类和我们常说的监 基于知识分类” 督分类是有区别的，它分类时和样本的对比参数更多， 督分类是有区别的，它分类时和样本的对比参数更多， 不仅仅是光谱信息，还包括空间、纹理等信息。 不仅仅是光谱信息，还包括空间、纹理等信息。基于知 识分类也是根据影像对象的熟悉来设定规则进行分类。 识分类也是根据影像对象的熟悉来设定规则进行分类。 目前很多遥感软件都可完成面向对象的分类， 目前很多遥感软件都可完成面向对象的分类， 如ENVI的FX扩展模块、易康（Definiens）、 ENVI的FX扩展模块、易康（Definiens）、 扩展模块 ERDAS的Objective模块、PCI的 ObjeX等 ERDAS的Objective模块、PCI的Feature ObjeX等。 模块
5. 目视解译成果的转绘与制图
一种是手工转绘成图； 一种是手工转绘成图； 一种是在精确几何基础的地理地图上 采用转绘仪进行转绘成图。 采用转绘仪进行转绘成图。 计算机专题制图
4.2 计算机非监督分类
非监督分类：是在没有先验类别（训练场地） 非监督分类：是在没有先验类别（训练场地）作为样 本的条件下，即事先不知道类别特征， 本的条件下，即事先不知道类别特征， 主要根据像元间相似度的大小进行归类 合并（将相似度大的像元归为一类）的 合并（将相似度大的像元归为一类） 方法。 方法。 K-均值算法 非监督分类方法 ISODATA算法 ISODATA算法
面向对象的分类技术
面向对象分类技术集合临近像元为对象用来识别 感兴趣的光谱要素， 感兴趣的光谱要素，充分利用高分辨率的全色和多光 谱数据的空间，纹理， 谱数据的空间，纹理，和光谱信息来分割和分类的特 以高精度的分类结果或者矢量输出。 点，以高精度的分类结果或者矢量输出。 面向对象分类技术由影像对象构建和 面向对象分类技术由影像对象构建和对象 影像对象构建 的分类两部分组成。 的分类两部分组成。 两部分组成
4.3 计算机监督分类
监督分类法：首先定义研究区的地物类别， 监督分类法：首先定义研究区的地物类别，然后从研究 区域选取代表各类别的已知样本作为训练 场地（训练区）。根据已知训练区提供的 场地（训练区）。根据已知训练区提供的 ）。 样本，在样本上选择提取特征参数（如像 样本，在样本上选择提取特征参数（ 素亮度均值、方差等），建立判别函数， 素亮度均值、方差等），建立判别函数， ），建立判别函数 据此对样本像元进行分类， 据此对样本像元进行分类，依据样本类别 的特征来识别非样本像元的归属类别。 的特征来识别非样本像元的归属类别。
神经网络分类技术
►神经网络用于遥感数据分类的最大优势在于它平等 神经网络用于遥感数据分类的最大优势在于它平等 地对待多源输入数据， 地对待多源输入数据，即使这些输入数据具有完全 不同的统计分布， 不同的统计分布，但由于神经网络内部各层大量的 神经元之间连接的权重是不透明的， 神经元之间连接的权重是不透明的，因此用户难以 控制。 控制。 ►影响神经网络分类的因素：神经网络结构、遥感数 影响神经网络分类的因素：神经网络结构、 影响神经网络分类的因素 据的维数、 据的维数、训练数据的多少 ►可利用Matlab等进行神经网络分类 可利用Matlab等进行神经网络分类 可利用Matlab
第四章 遥感图像专题分类
4.1 人工解译 4.2 计算机非监督分类 4.3 计算机监督分类 4.4 新兴遥感分类技术 4.5 遥感分类中的不确定性及 尺度问题
4.1 人工解译
人工解译：根据人的经验和知识， 人工解译：根据人的经验和知识，分析图像解译的基 本要素， 本要素，建立具体的解译标志来识别图像 中目标的过程。 中目标的过程。 人工解译的依据是遥感影像的特征。 人工解译的依据是遥感影像的特征。 依据是遥感影像的特征
解译方法
直接判读法:使用的直接判读标志有色调、 色彩 、 大小 、 形状 、 使用的直接判读标志有色调、色彩、大小、形状、 使用的直接判读标志有色调 阴影、纹理、图案等。 阴影、纹理、图案等。 对比分析法:同类地物对比分析、 空间对比分析 、 时相动态对比 同类地物对比分析、空间对比分析、 同类地物对比分析 法。 信息复合法:利用透明专题图或透明地形图与遥感图像复合， 根 利用透明专题图或透明地形图与遥感图像复合， 利用透明专题图或透明地形图与遥感图像复合 据专题图或者地形图提供的多种辅助信息，识别遥感图像上 据专题图或者地形图提供的多种辅助信息， 目标地物的方法。 目标地物的方法。 综合推理法:综合考虑遥感图像多种解译特征， 结合生活常识 ， 综合考虑遥感图像多种解译特征，结合生活常识， 综合考虑遥感图像多种解译特征 分析、推断某种目标地物的方法。 分析、推断某种目标地物的方法。 地理相关分析法:根据地理环境中各种地理要素之间的相互依存， 根据地理环境中各种地理要素之间的相互依存， 根据地理环境中各种地理要素之间的相互依存 相互制约的关系，借助专业知识， 相互制约的关系，借助专业知识，分析推断某种地理要素性 类型、状况与分布的方法。 质、类型、状况与分布的方法。
影像对象构建主要使用影像分割技术， 影像对象构建主要使用影像分割技术，常用分割方 主要使用影像分割技术 法包括基于多尺度的、基于灰度的、纹理的、 法包括基于多尺度的、基于灰度的、纹理的、基于知识 的及基于分水岭的等分割算法。 的及基于分水岭的等分割算法。比较常用的就是多尺度 分割算法， 分割算法，这种方法综合遥感图像的光谱特征和形状特 征，计算图像中每个波段的光谱异质性与形状异质性的 综合特征值，然后根据各个波段所占的权重，计算图像 综合特征值，然后根据各个波段所占的权重， 所有波段的加权值， 所有波段的加权值，当分割出对象或基元的光谱和形状 综合加权值小于某个指定的阈值时，进行重复迭代运算， 综合加权值小于某个指定的阈值时，进行重复迭代运算， 直到所有分割对象的综合加权值大于指定阈值即完成图 像的多尺度分割操作。 像的多尺度分割操作。
在监督分类中， 要先定义信息类， 在监督分类中 ， 要先定义信息类 ， 然后检验它们的光谱可 分性。即首先利用训练区样本建立图像分类的判别函数， 分性 。 即首先利用训练区样本建立图像分类的判别函数 ， 然后 再把待分像元带入到判别函数进行判别。 再把待分像元带入到判别函数进行判别。
监督分类的具体方法
监督分类的过程
► 分类预处理：大气校正、几何校正与配准 分类预处理：大气校正、 ► 特征选择（提取）：波段比较多的时候，可以 特征选择（提取）：波段比较多的时候， ）：波段比较多的时候 通过图像处理来提取特征 ►分类（监督分类训练区的选择） 分类（监督分类训练区的选择） 分类 ►分类后处理，包括精度评价 分类后处理， 分类后处理 ►专题图的制作 专题图的制作
解译步骤
1. 目视解百度文库准备工作阶段
明确解译任务与要求； 明确解译任务与要求； 收集与分析有关资料； 收集与分析有关资料； 选择合适波段与恰当时相的遥感影像。 选择合适波段与恰当时相的遥感影像。
2. 初步解译与判读区的野外考察
初步解译的主要任务是掌握解译区域特点， 初步解译的主要任务是掌握解译区域特点，确立典型解 译样区，建立目视解译标志，探索解译方法， 译样区，建立目视解译标志，探索解译方法，为全面解 译奠定基础。 译奠定基础。 野外考察：填写各种地物的判读标志登记表，以作为建 野外考察：填写各种地物的判读标志登记表， 立地区性的判读标志的依据。在此基础上， 立地区性的判读标志的依据。在此基础上，制定出影像 判读的专题分类系统，建立遥感影像解译标志。 判读的专题分类系统，建立遥感影像解译标志。