遥感分类PPT课件
合集下载
遥感 经典PPT
（1）为制定国民经济发展计划提供资源 与环境动态基础数据。
(2)为国家重大的资源、环境突发性事 件提供及时准确的监测评估数据，保 证国家对这些重大问题作出正确、快 速的反应。
（ 3 ）生物量估测。包括农作物产量、
产草量、水面初级生产力预估和评价。
（4）为国家的重要经济领域提供信息服务。
（5）科学研究
5． 遥感与航测的区别
前者确定实体的物质成分，后者确定几何 形态。如：一个山包，遥感可确定构成 山包的物质是土或是岩石以及何种类型 等，航测则确定其高程、面积及其形态 等几何量。
5、遥感信息处理流程
卫星定位 与定轨
遥感信 息传输
用户
遥感成像机理 与模型
分发
பைடு நூலகம்
目标提取、识别与 变化监测 (自动化、智能化)
奋 进 号 航 天 飞 机 外 观 图 I
由SRTM－C波段获取DEM再与TM图像叠加的结果
二、遥感的概念与在国民经济中的作用
• 1． 遥感的基本原理
• 遥感，可通俗的理解为遥远地感知，也既不与物体直 接接触，便能得知物体的属性情况。遥感的理论基础 是电磁辐射理论。人类通过大量的实践，发现地球上 的每一个物体，都在不停地吸收、发射和反射信息和 能量，其中有一种人类已经认识到的形式――电磁波。 并且发现：不同物体的电磁波特性是不同的。 遥感技 术的基本原理就是根据这个原理来探测地表物体对电 磁波的反射和其发射的电磁波，从而提取这些物体的 信息，完成远距离识别物体的过程。
1． 遥感传感器
• 传感器是指不与物体直接接触，便能得知物体 的属性情况的仪器设备或器官。如：眼、耳、 鼻等传感器官，照相机、摄影机等传感器。遥 感传感器能把电磁辐射按照一定的规律转换为 原始图像。原始图像被地面站接收后，经过一 系列复杂的处理，才能提供给不同的用户使用， 他们才能用这些处理过的影像开展自己的工作。 针对不同的应用和波段范围，人们已经研究出 很多种传感器，探测和接收物体在可见光、红 外线和微波范围内的电磁辐射。
《遥感图像分类》课件
特征变换
将原始特征进行变换，生成新的特征，以更好地 反映地物类别之间的差异。
分类器设计
监督分类
利用已知样本的训练集设计分类器，对未知样本进行分类。
非监督分类
对未知样本进行聚类分析，将相似的样本归为同一类。
混合分类
结合监督分类和非监督分类的优势，提高分类精度和稳定性。
分类结果评价
精度评价
通过比较分类结果与实际地物类别， 计算分类精度、混淆矩阵等指标。
THANKS
感谢观看
分类器。
多源遥感数据融合问题
多源遥感数据融合可以提高分类精度和可靠性，但同时也带 来了数据匹配、融合算法选择等问题。
解决多源遥感数据融合问题的策略包括使用先进的融合算法 ，如基于深度学习的融合方法，以及优化数据匹配方法。
遥感图像分类技术的发展趋势
01
遥感图像分类技术正朝着高精度、高效率和自动化的方向发展 。
可靠性评价
评估分类结果的稳定性、可靠性以及 抗干扰能力。
应用价值评价
根据分类结果在实际应用中的价值， 如土地利用、资源调查、环境监测等
，对分类方法进行综合评价。
04
CATALOGUE
遥感图像分类的挑战与展望
数据质量问题
遥感图像常常受到噪声、失真和 模糊等影响，导致数据质量下降
。
数据质量问题还表现在不同传感 器获取的图像之间的差异，以及 不同时间获取的图像之间的变化
遥感图像分类的应用
遥感图像分类在多个领域有广泛应用，如环境保护、城市规划、资源调查、军事 侦察等。
通过遥感图像分类，可以快速获取大范围的地物信息，为相关领域的决策提供科 学依据。
02
CATALOGUE
遥感图像分类的方法
将原始特征进行变换，生成新的特征，以更好地 反映地物类别之间的差异。
分类器设计
监督分类
利用已知样本的训练集设计分类器，对未知样本进行分类。
非监督分类
对未知样本进行聚类分析，将相似的样本归为同一类。
混合分类
结合监督分类和非监督分类的优势，提高分类精度和稳定性。
分类结果评价
精度评价
通过比较分类结果与实际地物类别， 计算分类精度、混淆矩阵等指标。
THANKS
感谢观看
分类器。
多源遥感数据融合问题
多源遥感数据融合可以提高分类精度和可靠性，但同时也带 来了数据匹配、融合算法选择等问题。
解决多源遥感数据融合问题的策略包括使用先进的融合算法 ，如基于深度学习的融合方法，以及优化数据匹配方法。
遥感图像分类技术的发展趋势
01
遥感图像分类技术正朝着高精度、高效率和自动化的方向发展 。
可靠性评价
评估分类结果的稳定性、可靠性以及 抗干扰能力。
应用价值评价
根据分类结果在实际应用中的价值， 如土地利用、资源调查、环境监测等
，对分类方法进行综合评价。
04
CATALOGUE
遥感图像分类的挑战与展望
数据质量问题
遥感图像常常受到噪声、失真和 模糊等影响，导致数据质量下降
。
数据质量问题还表现在不同传感 器获取的图像之间的差异，以及 不同时间获取的图像之间的变化
遥感图像分类的应用
遥感图像分类在多个领域有广泛应用，如环境保护、城市规划、资源调查、军事 侦察等。
通过遥感图像分类，可以快速获取大范围的地物信息，为相关领域的决策提供科 学依据。
02
CATALOGUE
遥感图像分类的方法
遥感技术及其应用(48张ppt)
•
10、阅读一切好书如同和过去最杰出 的人谈 话。2021/8/82021/8/82021/8/88/8/2021 4:16:08 AM
•
11、越是没有本领的就越加自命不凡 。2021/8/82021/8/82021/8/8Aug-218-Aug-21
•
12、越是无能的人，越喜欢挑剔别人 的错儿 。2021/8/82021/8/82021/8/8Sunday, August 08, 2021
对地理信息进行获取、分 析和应用的一门综合性技 术，是地理科学与现代信 息技术相结合的产物
核心技术是遥感（RS）、 地理信息系统（GIS）、 全球定位系统（GPS）
什么是遥感
遥感RS（remote sensing）
• 遥感是应用探测仪器，不 与探测目标相接触，从远 处把目标的电磁波特性记 录下来，通过分析，揭示 出物体的特征、性质及其 变化的综合性探测技术
（一）遥感与资源普查
寻找矿产（环形构造常常表示有成矿区）
全椒县孤山林 场松毛虫危害 分布图，红、 黄、绿色分别 代表反映重灾、 中灾和无害区， 黑色为非松林 区。
（二）遥感与环境灾害监测
1998年5月21日14时
1998年8月22日15时
观察图中安乡的水情变化
环境监测
• 卫星观测到的秸秆燃烧
红色 灰白色 浅蓝色
深蓝色 蓝黑色
植被
直
接
人工建筑 解 译
标
志
水文要素
直接解译标志：指能够直接反应和表现目标地 物信息的遥感影像的各种特征，他包括遥感影像上 的色调、色彩、大小、形状、阴影、纹理、图形等。
思考： 河流、道路都是线状，但会有何区别？
间接解译标志：指能够间接反映和表
《遥感技术》课件
总结词
遥感技术能够快速、准确地监测环境状 况，为环境保护和治理提供数据支持。
VS
详细描述
遥感技术可以监测大气污染、水体污染、 土壤污染等情况，通过遥感数据的分析， 可以了解污染源的分布和排放情况，为环 境治理和保护提供科学依据。同时，遥感 技术还可以监测自然灾害和生态变化等环 境问题，为灾害预警和生态保护提供数据 支持。
THANKS
感谢观看
无人机遥感技术
无人机遥感技术是指利用无人机搭载遥感器进行遥感数据采 集和处理的技术。无人机遥感技术具有机动灵活、快速响应 、成本低廉等优点，因此在应急救援、环境保护、农业监测 等领域得到广泛应用。
无人机遥感技术可以快速获取高分辨率的遥感数据，对于需 要快速响应的应用场景具有重要意义。同时，无人机遥感技 术还可以结合其他传感器和通信设备，实现多源数据的融合 和传输，提高遥感应用的综合效益。
森林资源调查
总结词
遥感技术是进行森林资源调查的重要手段，能够快速获取森林面积、覆盖率、生 长状况等信息。
详细描述
通过卫星遥感技术，可以获取大范围、高分辨率的森林资源数据，包括森林面积 、覆盖率、树种分布、生长状况等。这些数据有助于了解森林资源的现状和变化 趋势，为森林保护和可持续发展提供科学依据。
遥感数据的接收与处理
遥感数据的接收
遥感数据通过卫星轨道接收站、地面站和飞机接收站等设备 进行接收。
遥感数据处理
遥感数据处理包括辐射定标、大气校正、几何校正和图像解 译等步骤，以提取有用的信息。
03 遥感图像处理
遥感图像的预处理
辐射定标
将传感器接收到的辐射亮 度转化为地表的反射率或 温度等物理量，为后续图 像处理提供准确数据。
电磁波谱
遥感的定义与分类PPT课件
– 几何粗校正一般由数据提供商或地面接收站进行校正 处理。遥感应用上使用的图像一般是经过几何粗校正 处理的。
56
2 几何校正
• 经几何粗校正处理后的遥感图像还存在随 机误差和某些未知的系统误差，需要进行 几何精校正处理。
• 几何精校正是指消除图像中的几何变形， 产生一幅符合某种地图投影的新图像的过 程。几何精校正需要利用地面控制点和适 当的数学模型。
义。设恢复的图像像素在基准坐标系统为等距网 格的交叉点，从网格交叉点的坐标（x,y）出发， 根据:
x h1(x, y)
n
ni
aij xi y j
i0 j 0
y
h2 (x,
y)
n i 0
ni
bij xi y j
j 0
61
2 几何校正
• 由（x,y）通过函数关系推算出各格网点在已知畸 变图像上的坐标(x‘,y’)。 – (α,β) =[h1(x,y),h2(x,y)]。
3.4 遥感的定义与分类
3.4.1 遥感的定义 3.4.2 遥感系统 3.4.2 遥感的分类
1
2
3
4
遥感系统
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
57
2 几何校正
• 几何精校正分两个过程
– 空间插值：建立图像像元坐标和地面控制点之 间的数学模型，利用数学模型把待校正图像的 坐标校正到输出图像中。
56
2 几何校正
• 经几何粗校正处理后的遥感图像还存在随 机误差和某些未知的系统误差，需要进行 几何精校正处理。
• 几何精校正是指消除图像中的几何变形， 产生一幅符合某种地图投影的新图像的过 程。几何精校正需要利用地面控制点和适 当的数学模型。
义。设恢复的图像像素在基准坐标系统为等距网 格的交叉点，从网格交叉点的坐标（x,y）出发， 根据:
x h1(x, y)
n
ni
aij xi y j
i0 j 0
y
h2 (x,
y)
n i 0
ni
bij xi y j
j 0
61
2 几何校正
• 由（x,y）通过函数关系推算出各格网点在已知畸 变图像上的坐标(x‘,y’)。 – (α,β) =[h1(x,y),h2(x,y)]。
3.4 遥感的定义与分类
3.4.1 遥感的定义 3.4.2 遥感系统 3.4.2 遥感的分类
1
2
3
4
遥感系统
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
57
2 几何校正
• 几何精校正分两个过程
– 空间插值：建立图像像元坐标和地面控制点之 间的数学模型，利用数学模型把待校正图像的 坐标校正到输出图像中。
《遥测遥感技术》课件
《遥测遥感技术》PPT课件
CONTENTS
遥测遥感技术概述遥测技术与系统遥感技术与系统遥测与遥感的融合技术遥测遥感技术的未来展望
遥测遥感技术概述
01
遥测遥感技术是一种通过非接触方式，远距离获取目标或环境数据的技术。
定义
具有远距离、非接触、快速、高精度、大面积覆盖等优势，为科学研究、资源调查、环境监测等领域提供了强大的技术支持。
城市规划与管理
遥测遥感技术为科学研究提供了大量高精度、高分辨率的数据，有助于深入了解地球环境和自然现象。
科学研究
20世纪初，遥测和遥感技术开始起步，主要应用于军事侦察和地图测绘。
20世纪中叶，随着卫星技术的发展，遥测遥感技术逐渐成熟，广泛应用于地球观测和资源调查。
21世纪初，随着无人机、高光谱成像等技术的发展，遥测遥感技术不断创新，应用领域更加广泛。
特点
遥测遥感技术广泛应用于土地、森林、水域等资源的调查，能够快速获取大范围的地物信息，为资源管理和规划提供依据。
资源调查
遥测遥感技术能够实时监测环境变化，如气象、水文、地震等自然灾害，为环境保护和灾害预警提供重要信息。
环境监测
遥测遥感技术能够获取城市空间布局、建筑分布、交通状况等数据，为城市规划和管理提供决策支持。
通过接收来自目标自身的辐射或者反射太阳光的电磁波进行遥感测量的方式。
利用卫星、航天飞机等航天器进行遥感测量的方式。
利用飞机、无人机等航空器进行遥感测量的方式。
主动遥感
被动遥感
航天遥感
航空遥感
用于接收和记录电磁波的设备，包括光学相机、红外相机、雷达等。
用于将遥感数据传输回地面的设备，包括卫星通信设备、数据链等。
传感器
传输设备
CONTENTS
遥测遥感技术概述遥测技术与系统遥感技术与系统遥测与遥感的融合技术遥测遥感技术的未来展望
遥测遥感技术概述
01
遥测遥感技术是一种通过非接触方式，远距离获取目标或环境数据的技术。
定义
具有远距离、非接触、快速、高精度、大面积覆盖等优势，为科学研究、资源调查、环境监测等领域提供了强大的技术支持。
城市规划与管理
遥测遥感技术为科学研究提供了大量高精度、高分辨率的数据，有助于深入了解地球环境和自然现象。
科学研究
20世纪初，遥测和遥感技术开始起步，主要应用于军事侦察和地图测绘。
20世纪中叶，随着卫星技术的发展，遥测遥感技术逐渐成熟，广泛应用于地球观测和资源调查。
21世纪初，随着无人机、高光谱成像等技术的发展，遥测遥感技术不断创新，应用领域更加广泛。
特点
遥测遥感技术广泛应用于土地、森林、水域等资源的调查，能够快速获取大范围的地物信息，为资源管理和规划提供依据。
资源调查
遥测遥感技术能够实时监测环境变化，如气象、水文、地震等自然灾害，为环境保护和灾害预警提供重要信息。
环境监测
遥测遥感技术能够获取城市空间布局、建筑分布、交通状况等数据，为城市规划和管理提供决策支持。
通过接收来自目标自身的辐射或者反射太阳光的电磁波进行遥感测量的方式。
利用卫星、航天飞机等航天器进行遥感测量的方式。
利用飞机、无人机等航空器进行遥感测量的方式。
主动遥感
被动遥感
航天遥感
航空遥感
用于接收和记录电磁波的设备，包括光学相机、红外相机、雷达等。
用于将遥感数据传输回地面的设备，包括卫星通信设备、数据链等。
传感器
传输设备
遥感图像分类ppt课件
– 假设遥感图像有K个波段，则(i,j)位置的像素在
每个波段上的灰度值可以构成表示为X=(x1，
T
5
8.1 概述
• 8.1.2 分类方法
– 根据是否需要分类人员事先提供已知类别及其 训练样本，对分类器进行训练和监督，可将遥 感图像分类方法划分为监督分类和非监督分类。
– 事先己经知道类别的部分信息(即类别的先验知 识)，对未知类别的样本进行分类的方法称之为 监督分类(Supervised Classification)。事先没 有类别的先验知识，对未知类别的样本进行分 类的方法称之为非监督分类(Unsupervised Classification)
14
8.4 非监督分类
• 非监督分类，是指人们事先对分类过程不
施加任何的先验知识，仅凭据遥感影像地 物的光谱特征的分布规律，随其自然地进 行盲目的分类。其分类的结果，只是对不 同类别进行了区分，并不确定类别的属性， 其属性是通过事后对各类的光谱响应曲线 进行分析，以及与实地调查相比较后确定 的。
• 非监督分类的理论依据：遥感图像上的同
4
8.1 概述
• 8.1.1 基本原理
– 同类地物在相同的条件下(光照、地形等)应该 具有相同或相似的光谱信息和空间信息特征。 不同类的地物之间具有差异根据这种差异，将 图像中的所有像素按其性质分为若干个类别 (Class)的过程，称为图像的分类。
– 遥感图像分类以每个像素的光谱数据为基础进 行。
9
8.2 相似性度量
3.马氏(Mahalanobis)距离
马氏距离是一种加权的欧氏距离，它通 过协方差矩阵来考虑变量的相关性。这 是由于在实际中，各点群的形状是大小 和方向各不相同的椭球体，如图所示， 尽管K点距MA的距离DA比距MB的距离 DB小，即DA<DB ，但由于B点群比A点 群离散得多，因而把K点划入B类更合 理。加权可以这样理解，计算的距离与 各点群的方差有关。方差愈大，计算的 距离就愈短。如果各个点群具有相同的 方差，则马氏距离是欧氏距离的平方。
第72章高光谱遥感图像分类ppt课件
28
初始类别参数的选定
初始类别参数是指：基准类别集群中心（数学期 望）以及集群分布的协方差矩阵。因为无论采用 何种判别函数，都要预先确定其初始类别的参量。 以下为几种常用的方法：
29
1、像素光谱特征的比较法
首先，在遥感图像中定义一个抽样集，它可以是整幅 图像的所有像素，但通常是按一定间隔抽样的像素；
15
欧几里德距离就是两点之间的直线距离。这是我们用的最多因 而也是最为熟悉的一种距离。与我们习惯用的距离一致。欧氏 距离的表达式为：
2. 欧几里德距离
n
2
di x k
x kj M ij
j1
欧氏距离中各特征参数也是等权的。 以上两种距离都称为明可夫斯基(Minkowski)距离（以下 简称明氏距离），使用明氏距离应该注意以下问题：
式中：Pwi 为先验概率，也就是在被分类的图像中类别wi出现的 概率。PX wi 为似然概率，它表示在 wi这一类中出现像元X的
概率。只要有一个已知的训练区域，用这些已知类别的像元做
统计就可以求出平均值及方差、协方差等特征参数，从而可以
求出总体的先验概率。在不知道的情况下，也可以认为所有的Pwi
为相同。Pwi X 为后验概率。PX 表示不管什么类别出现的概率：
31
初始类别参数的选定
19
3、最大似然监督分类
最大似然法是经典的分类方法，已在宽波段遥感图像分类
中普遍采用。它主要根据相似的光谱性质和属于某类的概率最
大的假设来指定每个像元的类别。MLC法最大优点是能快速指定
被分类像元到若干类之中的一类中去 。
从概率统计分析，要想判别某位置的向量属于哪一个类别，
判别函数要从条件概率 Pwi X i 1 , 2 , 3 , 来, m决定，
初始类别参数的选定
初始类别参数是指：基准类别集群中心（数学期 望）以及集群分布的协方差矩阵。因为无论采用 何种判别函数，都要预先确定其初始类别的参量。 以下为几种常用的方法：
29
1、像素光谱特征的比较法
首先，在遥感图像中定义一个抽样集，它可以是整幅 图像的所有像素，但通常是按一定间隔抽样的像素；
15
欧几里德距离就是两点之间的直线距离。这是我们用的最多因 而也是最为熟悉的一种距离。与我们习惯用的距离一致。欧氏 距离的表达式为：
2. 欧几里德距离
n
2
di x k
x kj M ij
j1
欧氏距离中各特征参数也是等权的。 以上两种距离都称为明可夫斯基(Minkowski)距离（以下 简称明氏距离），使用明氏距离应该注意以下问题：
式中：Pwi 为先验概率，也就是在被分类的图像中类别wi出现的 概率。PX wi 为似然概率，它表示在 wi这一类中出现像元X的
概率。只要有一个已知的训练区域，用这些已知类别的像元做
统计就可以求出平均值及方差、协方差等特征参数，从而可以
求出总体的先验概率。在不知道的情况下，也可以认为所有的Pwi
为相同。Pwi X 为后验概率。PX 表示不管什么类别出现的概率：
31
初始类别参数的选定
19
3、最大似然监督分类
最大似然法是经典的分类方法，已在宽波段遥感图像分类
中普遍采用。它主要根据相似的光谱性质和属于某类的概率最
大的假设来指定每个像元的类别。MLC法最大优点是能快速指定
被分类像元到若干类之中的一类中去 。
从概率统计分析，要想判别某位置的向量属于哪一个类别，
判别函数要从条件概率 Pwi X i 1 , 2 , 3 , 来, m决定，
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
27
二、非监督分类
28
二、非监督分类
➢也叫“边学习边分类法”。 ➢是在没有先验类别知识(训练场地)情况下， 根据影像本身的统计特征及自然点群的分 布来划分地物类别。 ➢各类别内涵不能由该分类方法得出，要 根据地面实况调查和比较来决定。
29
三、非监督分类
K-mean ISODATA
30
二、非监督分类
K-mean ISODATA
33
二、非监督分类
K-mean ISODATA
K=5的分类结果
34
二、非监督分类
K-mean ISODATA
K=10的分类结果
35
二、非监督分类
K-mean ISODATA
ISODATA分类原理：
在初始状态给出图像粗糙的分类，然后基于一定原 则在类别间重新组合样本，直到分类比较合理为止。
主要步骤： 按照某个原则选择一些初始类聚类中心。 计算像素与初始类别中心的距离，把该像素分配到 最近的类别中。 计算并改正重新组合的类别中心
36
二、非监督分类
K-mean ISODATA
按照某个原则选择一些初始类聚类中心。 在实际操作中，要把初始聚类数设定得大一些，同时引入各种对
迭代次数进行控制的参数，如控制迭代的总次数、每一类别最小像 元数、类别的标准差、比较相邻两次迭代效果以及可以合并的最大 类别数等，在整个迭代过程中，不仅每个像元的归属类别在调整， 而且类别总数也在变化。在用计算机编制分类程序时，初始聚类中 心可按如下方式确定：设初始类别数为n，这样共有n个初始聚类 中心，求出图像的均值M和方差σ，按下式可求出初始聚类中心:
xk
M(2(k1)1)
n1
k=1,2,…,n，为初始类中心编号，n为初始类总数。
37
二、非监督分类
K-mean ISODATA
计算像素与初始类别中心的距离，把该像素分配到最近的类 别中。
动态聚类法中类别间合并或分割所使用的判别标准是距离，待分像元 在特征空间中的距离说明互相之间的相似程度，距离越小，相似性大，则 它们可能会归入同一类。这里的距离可以采用前面介绍的几种距离。
概念及原理 特点和原则 分类顺序 分类统计量
概念：
是指通过对遥感影像中各类地物的光 谱信息和空间信息的分析来选择特征，并 将特征空间划分为互不重叠的子空间，将 影像中各像元划归到各子空间的过程。
8
一、遥感影像分类
原始影像
概念及原理 特点和原则 分类顺序 分类统计量
亮度值
9
一、遥感影像分类
原理：
概念及原理 特点和原则 分类顺序 分类统计量
k 1
k 1
k 1
式中 xi 1 p： kp 1xk； ixj 1 pkp 1xkj
22
一、遥感影像分类
概念及原理 特点和原则 分类顺序 分类统计量
（2）像元i和像元j之间的相似系数
p
pp
coi j s xkx ik/j xk 2i xk 2j
k 1
k 1 k 1
23
一、遥感影像分类
K-mean ISODATA
K-mean原理: 通过迭代,移动各个基准类别的中心,直至 得到最好的聚类结果为止。
31
K-mean
确定初始类别中心
判断样本至各类的距离
算
将样本分到较近的类S中
法
流 程
重新计算类S的中心
图
是 类中心是否变化？
否 迭代结束
K-mean ISODATA
32
K-mean具体步骤
14
一、遥感影像分类
概念及原理 特点和原则 分类顺序 分类统计量
最简单的分类器就是密度分割或灰度分 层。
15
一、遥感影像分类
概念及原理 特点和原则 分类顺序 分类统计量
最简单的分类器就是密度分割或灰度分 层。
16
一、遥感影像分类
遥感影像分类的特点： 多变量的影像分类
概念及原理 特点和原则 分类顺序 分类统计量
③实质是把多维特征空间划分为若干区域(子空间) 的过程。
20
一、遥感影像分类
概念及原理 特点和原则 分类顺序 分类统计量
21
一、遥感影像分类
概念及原理 特点和原则 分类顺序 分类统计量
（1）像元i和像元j之间的相关系数
p
p
p
r ij(x k ix i)(x k jx j)/ (x k ix i)2 (x k jx j)2
概念及原理 特点和原则 分类顺序 分类统计量
（3）像元i和像元j之间的欧几里德距离
p
dij (xk i xk)j2 k 1
24
一、遥感影像分类
概念及原理 特点和原则 分类顺序 分类统计量
（4）像元i和像元j之间的绝对距离
p
d ij xk i xkj k 1源自25一、遥感影像分类
（5）马氏距离(Mahalanobis)
17
一、遥感影像分类
概念及原理 特点和原则 分类顺序 分类统计量
18
一、遥感影像分类
概念及原理 特点和原则 分类顺序 分类统计量
19
一、遥感影像分类
概念及原理 特点和原则 分类顺序 分类统计量
分类原则：
①不能孤立地根据个别变量数值分类，要从整个 向量数据特征出发，按空间集群分布来分类。
②一个集群(类)在特征空间的位置用其均值向量 表示。
12
一、遥感影像分类
概念及原理 特点和原则 分类顺序 分类统计量
混合像元的存在常使得同类地物的特征向 量也不尽相同。
30m R
10m R 13
一、遥感影像分类
概念及原理 特点和原则 分类顺序 分类统计量
影像分类的关键问题之一是选择适当的分 类规则(或叫分类器)，通过分类器把影像数据划 分为尽可能符合实际情况的不同类别。
概念及原理 特点和原则 分类顺序 分类统计量
d i 2 j ( x i x j) T i 1 ( jx i x j)
26
一、遥感影像分类
概念及原理 特点和原则 分类顺序 分类统计量
（6）二类均值的标准化距离(g类和h类)
D g h kp 1(M iS g i g S M i h i h )2
第九讲 遥感影像分类
1
主要内容
遥感影像分类 非监督分类 监督分类 遥感影像分类处理中的几个问题
一、遥感影像分类
3
分类前
非监督 分类
分类后
4
分类前
分类
分类后
5
分类前
分类
分类后
6
一、遥感影像分类
遥感影像分类的概念及原理 遥感影像分类的特点和原则 遥感影像的分类顺序 影像分类统计量
7
一、遥感影像分类
根据各类样本内在的相似性将相似的 种类(像元)合并，将不相似的种类(像元) 分开，使各像元在特征空间的分布按其相 似性分割或合并成一些集群。
10
一、遥感影像分类
概念及原理 特点和原则 分类顺序 分类统计量
11
一、遥感影像分类
同类地 物在相同条 件下应具有 相同或相似 的信息特征。
概念及原理 特点和原则 分类顺序 分类统计量