武汉大学测绘学院考研专业课复习第八章

八、遥感图像的自动识别分类

名词解释

哈达玛变换、特征变换、ISODA TA算法聚类分析

分类后处理、遥感影像的空间特征、灰度共生矩阵、马氏距离分类法、PCA变换、句法模式识别、缨帽变换、

简答题

1、叙述最小距离法遥感图像自动分类的原理和步骤；

2、叙述ISODATA法非监督分类的原理和步骤（对比于K均值，其优缺点是什么）；

3、根据下图中两类地物在一维特征空间中的分布，画出最大似然法、最小距离法

（区别与联系）的判别边界并分析和比较它们的概率；

4、非监督分类和监督分类有什么不同（区别与联系）；

5、分析比较K-L变换和K-T变换的原理和应用意义；

6、举例说明先验知识在计算机分类中的作用；

7、说明最大似然法分类的实质；简述最大似然法的原理以及其分类过程，并给出

该方法的优缺点；

8、遥感图像的计算机分类主要包括哪几种方法，各自有何优缺点？如何提高遥感

影像的分类精度？在具有分类区域地面真实测试数据的情况下，常常采用混淆矩阵来表示分类结果的好坏，现给出一混淆矩阵如下表所示，问：（1），应采用哪几种评价指标来评价分类后图像的分类精度？（2）计算出各种评价指标的值。（3）分析各种评价指标的区别和联系是什么？

9、根据你学的知识，论述提高遥感影像计算机自动分类精度的对策（要求从数据源和分类方法两方面分别说明；

10、监督法分类的优缺点；

11、遥感影像对整体类别分类精度评价时常用的评价指标有哪两个？什么情况下两者的计算值将差别很大？

12、如何利用知识改进遥感图像的自动识别效果？

13、论述遥感图像的空间特征及其应用；

14、根据你学的知识，论述提高遥感影像计算机自动分类精度的对策（要求从数据源和分类方法两方面分别说明）；

15、以最大似然分类为例，简述遥感图像自动分类的步骤，并提出你认为提高分类精度的策略；

特征选择：用最少的影像数据最好地进行分类。这样就需在这些特征影像中，选择一组最佳的特征影像进行分类，这就称为特征选择；

判别边界：如果要判别某一个特征矢量属于哪一类，只要在类别之间画上一些合适的边界，将特征空间分割成不同的判别区域，这些边界就是判别边界；

监督法分类：监督法分类意味着对类别已有一定的先验知识，利用“训练样区”的数据去“训练”判决函数就建立了每个类别的分类器,然后按照分类器对未知区域进行分类。

监督分类的思想：根据已知的样本类别和类别的先验知识，确定判别函数和相应的判别准则，其中利用一定数量的已知类别函数中求解待定参数的过程称之为学习或训练，然后将未知类别的样本的观测值代入判别函数，再依据判别准则对该样本的所属类别作出判定；

混淆矩阵：一般采用混淆矩阵进行分类精度的评定。对检核分类精度的样区内所有的像元，统计其分类图中的类别与实际类别之间的混淆程度，采集样本的方式有三种类型：①来自监督分类的训练样区；②专门选定的试验场；③随机取样。比较结果可以用表格的方式列出混淆矩阵。

非监督法分类：是指人们事先对分类过程不施加任何的先验知识，而仅凭数据遥感影像地物的光谱特征的分布规律，即自然聚类的特性进行“盲目”的分类。其分类的结果只是对不同类别达到了区分，但并不能确定类别的属性。其类别的属性是通过分类结束后目视判读或实地调查确定的，非监督分类也称聚类分析；

模式识别：对被识别的模式作一系列的测量，然后将测量结果与“模式字典”中一组“典型的”测量值相比较,得出所需要的分类结果，这一过程称为模式识别；

哈达玛变换：哈达玛变换是利用哈达玛矩阵作为变换矩阵新实施的遥感多光谱域变换，实际是将坐标轴旋转了45℃的正交变换；

特征变换：将原始图像通过一定的数字变换生成一组新的特征图像，这一组新图像信息集中在少数几个特征图像上。目的是数据量有所减少，去相关，有助于分类。常用的特征变换：主分量变换、哈达玛变换、生物是指标变换、比值变换以及穗帽变换等；

ISODATA算法聚类分析：ISODATA算法也称为迭代自组织数据分析算法。它与K－均值算法的不同，①它不是每调整一个样本的类别就重新计算一次各类样本的均值，而是在每次把所有样本都调整完毕之后才重新计算一次各类样本的均值，前者称为逐个样本修正法，后者称为成批样本修正法；②ISODATA算法不仅可以通过调整样本所属类别完成样本的聚类分析，而且可以自动地进行类别的“合并”和“分裂”，从而得到类数比较合理的聚类结果；

1、叙述最小距离法遥感图像自动分类的原理和步骤；

原理是设法计算未知矢量X 到有关类别集群之间的距离，哪类距离它最近，该未知矢量就属于那类。概率判决函数那样偏重于集群分布的统计性质，距离判决函数偏重于集群分布的几何位置。

1）马氏距离 在各类别先验概率和集群体积|∑| 都相同情况下的概率判别函数则有

马氏距离几何意义：X 到类重心之间的加权距离，其权系数为协方差。

2

在马氏距离的基础上，作下列限制①将协方差矩阵限制为对角的②沿每一特征轴的方差均相等。则有 欧氏距离是马氏距离用于分类集群的形状都相同情况下的特例。

3）计程（Taxi ）距离 X 到集群中心在多维空间中距离的绝对值之总和来表示

步骤：

1）利用训练样本数据计算出每一类别的均值向量及标准差（均方差）向量；

2）以均值向量作为该类在特征空间中的中心位置，计算输入图形中每个像元到各类中心的距离。在遥感图形分类处理中，应用最广泛而且比较简单的距离函数有两个： 欧几里德距离和绝对距离。

3）根据计算的距离，把像元归入到距离最小的那一类中去。

使用最小距离法对图像进行分类，其精度取决于对已知地物类别的了解和训练统计的精度。总体而言，这种分类方法的效果比较好，而且计算简单，可对像元顺序扫描分类。

2、 叙述ISODATA 法非监督分类的原理和步骤（对比于K 均值，其优缺点是什么）；

原理：①它不是每调整一个样本的类别就重新计算一次各类样本的均值，而是在每次把所有样本都调整完毕之后才重新计算一次各类样本的均值，前者称为逐个样本修正法，后者)()(1

i i T i Mi M X M X d -∑-=-∑=-=m j ij Ti M X d 1

|

|