《遥感图像分类》PPT课件

9.5 非监督分类
4-3-2原始图像 分类结果(10类)
结果合并(5类)
精选ppt
最终结果
16
9.5 非监督分类
3、监督分类与非监督分类方法比较
➢ 根本区别在于是否利用训练场地来获取先验的类别知识。 ➢ 监督分类的关键是选择训练场地。训练场地要有代表性，
样本数目要能够满足分类要求。此为监督分类的不足之 处。 ➢ 非监督分类不需要更多的先验知识，据地物的光谱统计 特性进行分类，分类方法简单。当两地物类型对应的光 谱特征差异很小时，分类效果不如监督分类效果好。
精选ppt
2
9.1 概述
• 9.1.1 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。
精选ppt
3
9.1 概述
• 9.1.2 分类方法
精选ppt
4
9.2 相似性度量
遥感图像计算机分类的依据是遥感图像像素的相似度。 常使用距离来衡量相似度。
距离是常用的相似性度量的概念。分类是确定像素距 离哪个点群中心较近，或落入哪个点群范围可能性大的问 题。像素与点群的距离越近，那么，属于该点群的可能性 越高。
精选ppt
5
9.3 工作流程
1.确定工作范围 2.多源图像的几何配准 3.噪声处理 4.辐射校正 5.几何精纠正 6.多图像融合
图像的预处理
自动识别分类
图像的预处理
定义分类模板 评价分类模板
监督分类法
非监督分类法
初始分类 专题判断
执行监督分类
分类后重编码
评价分类结果
评价分类结果
分类后处理
精选ppt
分类后处理
6
9.4 监督分类
➢ 概念：选择具有代表性的典型实验区或训练区，用训练 区中已知地面各类地物样本的光谱特性来“训练”计算 机，再按一定的统计判别规则对未知地区的像元进行分 类处理，进行自动分类的方法。
现一些不必要的类别；
异，使训练样本没有很好的
✓ 可以通过检查训练样本来决
代表性；
定训练样本是否被精确分类， ✓ 训练样本的获取和评价花费 从而避免分类中的严重错误； 较多的人力时间；
✓ 分类速度快。
✓ 只能识别训练中定义的类别。
9.5 非监督分类
根据事先指定的某一准则，让计算机自动进行判别归类， 无需人为干预，分类后需确定地面类别。在非监督分类中， 先确定光谱可分的类别（光谱类）然后定义它们的信息类。
9.5 非监督分类
（2）ISODATA分类算法（动态聚类法）
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。
ISODATA（Interative-Orgnizing Data Analysize Technique 迭代自组织数据分析技术）方法不仅可以通过调整样本所属 类别完成聚类，而且可以自动的进行类别的合并与分裂，从 而得到类别比较合理的聚类结果。
精选ppt
13
9.5 非监督分类
（1）K-均值分类算法（分级集群法）
当同类物体聚集分布在一定的空间位置上，他们在同样 条件下应具有相同的光谱信息特征，这时其他类别的物体应 聚集分布在不同的空间位置上。
由于不同地物的辐射特征不同，反映在直方图上会出现 很多峰值及其对应的众数灰度值，他们在图像上对应的像元 分别倾向于聚集在各自不同的众数附近的灰度空间形成的很 多点群，这些点群就叫做集群。一个集群就是一种分类。
根据是否需要分类人员事先提供已知类别及其训练样 本，可将遥感图像分类方法划分为 监督分类(Supervised Classification)和非监督分类(Unsupervised Classification)。
根据一个像素被分到一个类还是多个类，可将遥感图 像分类方法分为硬分类(hard classification)和软分类(soft classification)。图像上的一个像素只能被分到一个类的分 类方法称为硬分类。
➢ 基本过程：首先根据已知的样本类别和类别的先验知识 确定判别准则，计算判别函数，然后将未知类别的样本 值代入判别函数，依据判别准则对该样本所属的类别进 行判定。
精选ppt
7
9.4 监督分类
➢ 训练区的选择： 训练区在遥感处理系统中被称为“感兴趣区”。在ENVI
系统中，该区域称为ROI，在ERDAS系统中称为AOI。 本文使用ROI表示训练区。 要有代表性（目标地物中心较大的区域选取） 数目要包含足够的信息
精选ppt
8
9.4 监督分类
➢ 最大似然比分类法(Maximum Likelihood) 通过求出每个像素对于各类别的归属概率，把该像素分到归
属概率最大的类别中去的方法。
分类图像
原始图像
精选ppt
9
9.4 监督分类
监督分类的优缺点：
优点：
缺点：
✓ 根据应用目的和区域，有选 ✓ 主观性
择的决定分类类别，避免出 ✓ 由于图像中间类别的光谱差
.6 专家系统分类
遥感图像解译专家系统是模式识别与人工智能技术相 结合的产物。
遥感图像解译专家系统的组成：
• 图像处理与特征提取子系统 • 遥感图像解译知识获取系统 • 狭义的遥感图像解译专家系统
精选ppt
18
9.7 分类后处理
• 9.7.1 碎斑处理
– 指去掉分类图中过于孤立的那些类的像素，或把它们 归并到包围相邻的较连续分布的那些类。
第九章 遥感图像分类
• 本章教学目的及要求：了解遥感图像的计算机分类基 本原理、遥感图像的计算机分类一般过程；掌握非监 督分类、监督分类。
• 本章教学重点及难点：如何应用非监督、监督分类对 遥感数字图像进行分类处理，分类结果的Kappa系数评 价方法。
精选ppt
1
本章提要
9.1 概述 9.2 相似性度量 9.3 工作流程 9.4 监督分类 9.5 非监督分类 9.6 专家系统分类 9.7 分类精度分析 9.8 分类后处理
精选ppt
11
9.5 非监督分类
➢ 特点
• 不需要训练样本，先分类 • 分类后再对各类别赋予属性 • 自动化程度高 • 完全按照像元的光谱信息特征进行分类，适用于对分类
区不了解的情况
精选ppt
12
9.5 非监督分类
➢ 常用非监督分类算法
1、K-均值分类算法（分级集群法） 2、ISODATA分类算法（动态聚类法）