第五章遥感信息提取及应用
合集下载
相关主题
- 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)。
属度
模糊化
根据结合方式计算最终隶属度元组 模糊规则处理
求元组中最大隶属度，如果大于阈 值则将对象划分给对应的类，否则
不分
反模糊化
结束
面向基元的遥感信息提取流程
数据输入
认知基元
专
家
基
决
元
策
特
知
征
识
库
库
模糊分类
输出结果
对象识别规则
Level 尺度 提取目标
规则
备注
2
48
大面积分布，纹 水体：波段2和波段3的 比率＝当前波
关键技术4—基于基元的信息识别
设定分类阈值
特征1 特征2 特征3 … 特征m 目标类1 目标类2 目标类3
… 目标类n
表示对应目标类中所选择的特 征
结果特征元
μc1 逻
μc2 辑
μc3 操
… 作
μc4
确定目标类
结果不理想
确定分类特征，选择和编辑隶属度 函数，确定模糊逻辑运算方式
对每个目标类的每一特征，把对象 的特征值带到对应隶属度函数求隶
人工与非人工地物的区别 利用阴影推算高度 灰度，反射率从白－黑的密度变化 颜色的差别有利于地物判读 色调配合呈平滑或粗糙程度， 草场与针叶林 有规律排列形成的图案 地理背景知识，综合分析
目视解译方法和步骤
• 先图外后图内 • 先整体后局部 • 先宏观后微观 • 从已知到未知
影像空间的识别要素：
初级-灰度与色调 二级-大小形状纹理 三级-模式高度阴影 高级-位置关系
农田：最小距离分类 庄稼地：波段3的比率。 乡村路：密度、与较亮
关系，进行分类 信息的传递。
密度描述对象形 状接近矩形的程
光 谱 差 异 小 的 类 对象的相对边界。
度。
别。
居民地1：最小距离分类 与较亮对象的相
、面积、非相似度纹理 对边界＝与较亮
沙滩：同质度纹理。
对象的公共边长/
当前对象的总边
长。
图像分类中的有关问题—训练样本
• 尽可能地利用一些已知的有用资料，来确定训练场地和训
练样本。在使用各种图件资料时应注意以下两个方面： （1）各种图件的成图日期要尽可能地接近图像成像日期, 以保证地物类别分类准确。 （2）空间。要考虑到每一种地物类型随空间变化发生光 谱特征变化的可能性，选择训练场地应当能够反映这种变 化。
图像分类中的有关问题—混合像元
• 像元除了有一定的波谱参量外，还表征了地物的空间分布
即具有一定的面积。如果一个像元内仅包含一种地物，则 称这个像元为典型像元（纯像元）；如果一个像元内包含 几种地物，则称该像元为混合像元。
• 由于大面积分布的混合像元对遥感图像的计算和分类的影
响较大，为此已有研究人员提出了一些混合像元分解的方 法，目前进行混合像元分解的方法主要归纳为两类：一是 线性关系分解法，其依据是像元亮度的线性可加性；二是 模糊分解法。
决策分析
记忆
影像知识挖掘
联想
遥感影像逻辑心理认知
判断
遥感影像视觉生理认知
观察
遥感影像传输和基本处理模型
接收
遥感信息认知中的尺度问题
地表信息—多层次结构 尺度依赖 认知过程--不同的地物 实体有不同的最佳提取 尺度
选择适当的尺度，才 能有效、完整地提取 信息
遥感信息认知中的对象
对象
对象
遥感信息认知中的判别准则
遥感图像计算机解译
以计算机系统为支撑，利用模式识别技术与人工智 能技术，根据遥感图像中目标地物的各种影像特征 （颜色、形状、纹理与空间位置），结合专家知识 库中目标地物的解译经验和成像规律等知识进行分 析和推理，实现对遥感图像的理解，完成信息提取 的过程。
目视判读
景物特征和判读标志
• 遥感影像的基本特征？ • 特征的表现方式—判读标志 • 判读标志：地物在图像上的各种特有的表
图像分类中的有关问题—地形因素
• 地形因素的影响不能通过选择训练样本的方法来解决，因
为这样简单的选取训练样本不仅总体服从多元正态分布的 前提不易满足，而且同类样本的离散程度大大 增加，从而导致分类精度下降。
• 采用“同类多组法”来选取训练样本，即同类地物根据光
谱特征的不同，可以选取一组以上训练样本，并规定类与 组的明确概念。在对图像进行分类时，应首先进行分组， 然后再根据所属的类别进行合并。
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。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。
监督分类
• 需要事先确定训练场地和选择训练样本，训练样
本需要具有一定的代表性
• 考虑到各种地物光谱辐射的复杂性和干扰因素的
多样性，需要多考虑一些样本
• 在某一地区建立起来的判别式只能适用于同一地
区或地学条件相似的地区
监督分类-最小距离分类法
距离作为判别准则，根据像点到各类中心的距离来 判别分类
监督分类--最大似然比分类法
监督分类和非监督分类
➢监督分类法：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，获得识别各类地 物的判别函数或模式，并以此对未知地区的像 元进行分类处理，分别归入到已知的类别中。
➢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， 主要根据像元间相似度的大小进行归类合并 （即相似度的像元归为一类）的方法。
• 准确表达认知对象 • 反映不同尺度间的信息联系 • 有效利用多源信息
尺度空间内认知基元构建
• 考虑遥感、高程、专题矢量图层等多源信息的构建模型 • 多种约束的基元构建方法保证基元的准确性 • 阈值控制基元所在尺度层次
关键技术2--认知基元的尺度表示
…父对象 …邻对象 …子对象
关键技术3—认知基元的特征描述
基于对象的信息提取
面向基元的遥感信息提取方案
数据层
高空间分辨率影像
SAR数据
Lidar数据
GIS矢量数据
分析层 光谱、形状 、纹理
多尺度分析
基元层
具有相同特征 的“同质均一 ”的单元
认知基元
决策层
模糊逻辑推理
特征库
模糊规则库
基元特征的定量化表达
决策知识库
地物知识库
结果层
信息提取结果
关键技术1—尺度空间内认知基元构建
• 在监督分类中由于训练场地是人为选取的，可能不包括所
有的自然地物类别，因而分类后留下无类可归的像元。对 于这种情况，有两种解决方法：一是将无类可归的像元组 成一个未知类；二是按最近距离原则划归到各个已知类中。
图像分类中的有关问题—地形因素
地形因素不仅会造成几何畸变，而且还会影响其亮度值。 如同类地物由于所处山坡位置的不同，其阴坡和阳坡的 光谱特性就有很大的差异，即同物异谱；如不同的地物 由于地形的影响而具有相同的光谱特性，即同谱异物。 利用图像增强的多波段图像的比值处理来减弱地形的影 响，但其比值图像并不能彻底消除地形的影响，而且当 地形起伏太大时比值处理受到限制。
(1)直接解译标志
• 位置：地物分布的地点; 地理位 置和相对位置。
• 布局：物体间的空间配置。物 体间一定的位置关系和排列方 式，形成了很多天然和人工目 标特点。
目视解译要素
大小Size
根据比例尺推算出地物大小
形状Shape 阴影Shadow 色调Tone 颜色Color 纹理Texture
图案Pattern 位置
形
灰度
状
纹 理
辅 助 信 息
遥感图像信息提取方法
从遥感图像上获取目标地物信息的过程。分为目 视解译和计算机解译。 目视解译： 指专业人员通过直接观察或借助判读仪器在遥感 图像上获取特定目标地物信息的过程。
运用专业背景知识，通过肉眼观察，经过综合分 析、逻辑推理、验证检查把遥感图像中所包含的 地物信息提取和解析出来的过程。
(1)直接解译标志
大小：地物的尺寸、面积、体积等按比例缩小的相 似记录。根据比例尺在影像上量算.
(1)直接解译标志
纹理：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。 即地物影像轮廓内的色调变化的空间布局和频率。
如点状、粒状、线状、斑状等
粗糙、平滑
(1)直接解译标志
图型：目标地物有规律的排列而成的图 形结构；是综合性解译标志，由形状、 大小、色调、纹理等影像特征组合而 成。人工地物具有某种特殊的图型。
2. 根据研究区域，收集与分析地面参考信息与有关数据。 3. 根据分类要求和影像的特征，选择合适的图像分类方
法和算法。制定分类系统，确定分类类别。 4. 找出代表这些类别的统计特征 5. 测定总体特征，在监督分类中可选择具有代表性的训
练场地进行采样。在非监督分类中，可用聚类等方法 对特征相似的像素进行归类，测定其特征。 6. 对遥感图像中各像素进行分类。 7. 分类精度检查。 8. 对判别分析的结果进行统计检验。
计算机图像解译
计算机解译方法
• 基于统计的方法和基于规则的方法 • 监督分类和非监督分类 • 硬分类和软分类 • 逐像元分类和面向对象分类
遥感影像光谱特征分布特点
遥感影像自动解译原理
• 同类地物在相同的条
件下（纹理、地形 等），应具有相同或 相似的光谱信息特征 和空间信息特征，从 而表现出同类地物的 某种内在的相似性， 即同类地物像元的特 征向量将集群在同一 特征空间区域；而不 同的地物其光谱信息 特征或空间信息特征 将不同，集群在不同 的特征空间区域。
非监督分类—动态聚类
• 动态聚类就是在开始
时先建立一批初始中 心，而让待分类的各 个像元依据某些判决 准则向初始中心凝聚， 然后再逐步修改调整 中心，重新分类；并 根据各类离散性统计 量和两类间可分离性 的统计量再进行合并 和分裂。此后再修改 调整中心，这样不断 继续下去，直到分类 比较合理为止。
图像分类中的相关问题
图像分类中的有关问题—训练样本
• 用于监督分类地训练场地应该是光谱特征比较均一的地区，
一般在图像显示中根据均一的色调估计只有一类地物，而 且一类地物的训练场地可选取一块以上。
• 训练样本的数目至少要能满足建立分类用判别函数的要求，
以克服各种偶然因素的影响，而对于光谱特征变化较大的 地物，训练样本的数目要更多一些，以反映其变化范围。 一般情况下，要得出可靠的统计数据，每类至少要有10～ 100个训练样本数据。
目源自文库解译
增强处理、信息提取 逻辑推理、对比分析
遥感图像
大小形状、色调灰阶 畸变失真、成图比例
地表景观
空间结构、时间特点 化学组分、物理属性
➢ 图像 ➢ 遥感图像 ➢ 遥感图像目视解译目的？
遥感影像专题信息提取
• 对遥感图像上
的各种特征进 行综合分析、 比较、推理和 判断，并提取 出感兴趣的信 息
• 特征—能够反
映地物光谱信 息和空间信息 并可用于图像 分类处理的变 量
关键问题
• 选择适当的分类规则，通过分类器把图像数据划分
为尽可能符合实际情况的不同类别
分类标准
• 按照逻辑准则组织的信息类别正确的分类学定
义 参考标准:
• 美国规划协会的土地分类标准(LBCS) • 美国国家植被分类系统
遥感信息认知过程
基于光谱特征的分类原理
遥感图像计算机分类的依据是遥感图像像素的相似度。 常使用距离和相关系数来衡量相似度。 ➢采用距离衡量相似度时，距离越小相似度越大。 ➢采用相关系数衡量相似度时，相关程度越大，相 似度越大。
遥感分类基本过程
1. 根据图像分类目的选取特定区域的遥感影像，考虑空 间分辨率、光谱分辨率、成像时间、图像质量等。
理 特 征 明 显 的 类 比率，以及亮度值。
段均值/所有波
别。
段的均值
林地与已开发区域通过 亮度＝当前波
波段1的均值进行区分。 段均值/波段数
1
20
小面积成片封闭 乡村、水体1、林地1采 继承：利用层次
的 类 别 ， 与 周 围 用继承规则。
之间父子对象的
环境反差较大的 散列类别，中等 面积纹理一致，
现方式
空间特征及其判读标志
• 形状 • 大小 • 图形与边界 • 阴影 • 位置 • 纹理 • 类型 • 综合构图
(1)直接解译标志
• 阴影：遥感图像上光束被地物遮挡而产生 的地物的影子；有时需去除地形起伏引起 的部分阴影。本影和落影
(1)直接解译标志
• 形状：地物的轮廓在影像平面的 投影。需要根据影像比例尺和分 辨率具体分析，注意畸变（雷达、 航片边缘）
第五章 遥感信息提取及应用
遥感信息提取
无 地表信息 限
多 维
有 限 遥感图像信息 二 维
多源信息
选
用户信息
择
专
题
遥感图像信息提取原理
目视解译是遥感成像的逆过程
地表景观
空间结构、时间特点 化学组分、物理属性
遥感图像
大小形状、色调灰阶 畸变失真、成图比例
成像过程
成像方式、探测波段 投影方式、时空因素
模糊化
根据结合方式计算最终隶属度元组 模糊规则处理
求元组中最大隶属度，如果大于阈 值则将对象划分给对应的类，否则
不分
反模糊化
结束
面向基元的遥感信息提取流程
数据输入
认知基元
专
家
基
决
元
策
特
知
征
识
库
库
模糊分类
输出结果
对象识别规则
Level 尺度 提取目标
规则
备注
2
48
大面积分布，纹 水体：波段2和波段3的 比率＝当前波
关键技术4—基于基元的信息识别
设定分类阈值
特征1 特征2 特征3 … 特征m 目标类1 目标类2 目标类3
… 目标类n
表示对应目标类中所选择的特 征
结果特征元
μc1 逻
μc2 辑
μc3 操
… 作
μc4
确定目标类
结果不理想
确定分类特征，选择和编辑隶属度 函数，确定模糊逻辑运算方式
对每个目标类的每一特征，把对象 的特征值带到对应隶属度函数求隶
人工与非人工地物的区别 利用阴影推算高度 灰度，反射率从白－黑的密度变化 颜色的差别有利于地物判读 色调配合呈平滑或粗糙程度， 草场与针叶林 有规律排列形成的图案 地理背景知识，综合分析
目视解译方法和步骤
• 先图外后图内 • 先整体后局部 • 先宏观后微观 • 从已知到未知
影像空间的识别要素：
初级-灰度与色调 二级-大小形状纹理 三级-模式高度阴影 高级-位置关系
农田：最小距离分类 庄稼地：波段3的比率。 乡村路：密度、与较亮
关系，进行分类 信息的传递。
密度描述对象形 状接近矩形的程
光 谱 差 异 小 的 类 对象的相对边界。
度。
别。
居民地1：最小距离分类 与较亮对象的相
、面积、非相似度纹理 对边界＝与较亮
沙滩：同质度纹理。
对象的公共边长/
当前对象的总边
长。
图像分类中的有关问题—训练样本
• 尽可能地利用一些已知的有用资料，来确定训练场地和训
练样本。在使用各种图件资料时应注意以下两个方面： （1）各种图件的成图日期要尽可能地接近图像成像日期, 以保证地物类别分类准确。 （2）空间。要考虑到每一种地物类型随空间变化发生光 谱特征变化的可能性，选择训练场地应当能够反映这种变 化。
图像分类中的有关问题—混合像元
• 像元除了有一定的波谱参量外，还表征了地物的空间分布
即具有一定的面积。如果一个像元内仅包含一种地物，则 称这个像元为典型像元（纯像元）；如果一个像元内包含 几种地物，则称该像元为混合像元。
• 由于大面积分布的混合像元对遥感图像的计算和分类的影
响较大，为此已有研究人员提出了一些混合像元分解的方 法，目前进行混合像元分解的方法主要归纳为两类：一是 线性关系分解法，其依据是像元亮度的线性可加性；二是 模糊分解法。
决策分析
记忆
影像知识挖掘
联想
遥感影像逻辑心理认知
判断
遥感影像视觉生理认知
观察
遥感影像传输和基本处理模型
接收
遥感信息认知中的尺度问题
地表信息—多层次结构 尺度依赖 认知过程--不同的地物 实体有不同的最佳提取 尺度
选择适当的尺度，才 能有效、完整地提取 信息
遥感信息认知中的对象
对象
对象
遥感信息认知中的判别准则
遥感图像计算机解译
以计算机系统为支撑，利用模式识别技术与人工智 能技术，根据遥感图像中目标地物的各种影像特征 （颜色、形状、纹理与空间位置），结合专家知识 库中目标地物的解译经验和成像规律等知识进行分 析和推理，实现对遥感图像的理解，完成信息提取 的过程。
目视判读
景物特征和判读标志
• 遥感影像的基本特征？ • 特征的表现方式—判读标志 • 判读标志：地物在图像上的各种特有的表
图像分类中的有关问题—地形因素
• 地形因素的影响不能通过选择训练样本的方法来解决，因
为这样简单的选取训练样本不仅总体服从多元正态分布的 前提不易满足，而且同类样本的离散程度大大 增加，从而导致分类精度下降。
• 采用“同类多组法”来选取训练样本，即同类地物根据光
谱特征的不同，可以选取一组以上训练样本，并规定类与 组的明确概念。在对图像进行分类时，应首先进行分组， 然后再根据所属的类别进行合并。
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。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。
监督分类
• 需要事先确定训练场地和选择训练样本，训练样
本需要具有一定的代表性
• 考虑到各种地物光谱辐射的复杂性和干扰因素的
多样性，需要多考虑一些样本
• 在某一地区建立起来的判别式只能适用于同一地
区或地学条件相似的地区
监督分类-最小距离分类法
距离作为判别准则，根据像点到各类中心的距离来 判别分类
监督分类--最大似然比分类法
监督分类和非监督分类
➢监督分类法：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，获得识别各类地 物的判别函数或模式，并以此对未知地区的像 元进行分类处理，分别归入到已知的类别中。
➢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， 主要根据像元间相似度的大小进行归类合并 （即相似度的像元归为一类）的方法。
• 准确表达认知对象 • 反映不同尺度间的信息联系 • 有效利用多源信息
尺度空间内认知基元构建
• 考虑遥感、高程、专题矢量图层等多源信息的构建模型 • 多种约束的基元构建方法保证基元的准确性 • 阈值控制基元所在尺度层次
关键技术2--认知基元的尺度表示
…父对象 …邻对象 …子对象
关键技术3—认知基元的特征描述
基于对象的信息提取
面向基元的遥感信息提取方案
数据层
高空间分辨率影像
SAR数据
Lidar数据
GIS矢量数据
分析层 光谱、形状 、纹理
多尺度分析
基元层
具有相同特征 的“同质均一 ”的单元
认知基元
决策层
模糊逻辑推理
特征库
模糊规则库
基元特征的定量化表达
决策知识库
地物知识库
结果层
信息提取结果
关键技术1—尺度空间内认知基元构建
• 在监督分类中由于训练场地是人为选取的，可能不包括所
有的自然地物类别，因而分类后留下无类可归的像元。对 于这种情况，有两种解决方法：一是将无类可归的像元组 成一个未知类；二是按最近距离原则划归到各个已知类中。
图像分类中的有关问题—地形因素
地形因素不仅会造成几何畸变，而且还会影响其亮度值。 如同类地物由于所处山坡位置的不同，其阴坡和阳坡的 光谱特性就有很大的差异，即同物异谱；如不同的地物 由于地形的影响而具有相同的光谱特性，即同谱异物。 利用图像增强的多波段图像的比值处理来减弱地形的影 响，但其比值图像并不能彻底消除地形的影响，而且当 地形起伏太大时比值处理受到限制。
(1)直接解译标志
• 位置：地物分布的地点; 地理位 置和相对位置。
• 布局：物体间的空间配置。物 体间一定的位置关系和排列方 式，形成了很多天然和人工目 标特点。
目视解译要素
大小Size
根据比例尺推算出地物大小
形状Shape 阴影Shadow 色调Tone 颜色Color 纹理Texture
图案Pattern 位置
形
灰度
状
纹 理
辅 助 信 息
遥感图像信息提取方法
从遥感图像上获取目标地物信息的过程。分为目 视解译和计算机解译。 目视解译： 指专业人员通过直接观察或借助判读仪器在遥感 图像上获取特定目标地物信息的过程。
运用专业背景知识，通过肉眼观察，经过综合分 析、逻辑推理、验证检查把遥感图像中所包含的 地物信息提取和解析出来的过程。
(1)直接解译标志
大小：地物的尺寸、面积、体积等按比例缩小的相 似记录。根据比例尺在影像上量算.
(1)直接解译标志
纹理：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。 即地物影像轮廓内的色调变化的空间布局和频率。
如点状、粒状、线状、斑状等
粗糙、平滑
(1)直接解译标志
图型：目标地物有规律的排列而成的图 形结构；是综合性解译标志，由形状、 大小、色调、纹理等影像特征组合而 成。人工地物具有某种特殊的图型。
2. 根据研究区域，收集与分析地面参考信息与有关数据。 3. 根据分类要求和影像的特征，选择合适的图像分类方
法和算法。制定分类系统，确定分类类别。 4. 找出代表这些类别的统计特征 5. 测定总体特征，在监督分类中可选择具有代表性的训
练场地进行采样。在非监督分类中，可用聚类等方法 对特征相似的像素进行归类，测定其特征。 6. 对遥感图像中各像素进行分类。 7. 分类精度检查。 8. 对判别分析的结果进行统计检验。
计算机图像解译
计算机解译方法
• 基于统计的方法和基于规则的方法 • 监督分类和非监督分类 • 硬分类和软分类 • 逐像元分类和面向对象分类
遥感影像光谱特征分布特点
遥感影像自动解译原理
• 同类地物在相同的条
件下（纹理、地形 等），应具有相同或 相似的光谱信息特征 和空间信息特征，从 而表现出同类地物的 某种内在的相似性， 即同类地物像元的特 征向量将集群在同一 特征空间区域；而不 同的地物其光谱信息 特征或空间信息特征 将不同，集群在不同 的特征空间区域。
非监督分类—动态聚类
• 动态聚类就是在开始
时先建立一批初始中 心，而让待分类的各 个像元依据某些判决 准则向初始中心凝聚， 然后再逐步修改调整 中心，重新分类；并 根据各类离散性统计 量和两类间可分离性 的统计量再进行合并 和分裂。此后再修改 调整中心，这样不断 继续下去，直到分类 比较合理为止。
图像分类中的相关问题
图像分类中的有关问题—训练样本
• 用于监督分类地训练场地应该是光谱特征比较均一的地区，
一般在图像显示中根据均一的色调估计只有一类地物，而 且一类地物的训练场地可选取一块以上。
• 训练样本的数目至少要能满足建立分类用判别函数的要求，
以克服各种偶然因素的影响，而对于光谱特征变化较大的 地物，训练样本的数目要更多一些，以反映其变化范围。 一般情况下，要得出可靠的统计数据，每类至少要有10～ 100个训练样本数据。
目源自文库解译
增强处理、信息提取 逻辑推理、对比分析
遥感图像
大小形状、色调灰阶 畸变失真、成图比例
地表景观
空间结构、时间特点 化学组分、物理属性
➢ 图像 ➢ 遥感图像 ➢ 遥感图像目视解译目的？
遥感影像专题信息提取
• 对遥感图像上
的各种特征进 行综合分析、 比较、推理和 判断，并提取 出感兴趣的信 息
• 特征—能够反
映地物光谱信 息和空间信息 并可用于图像 分类处理的变 量
关键问题
• 选择适当的分类规则，通过分类器把图像数据划分
为尽可能符合实际情况的不同类别
分类标准
• 按照逻辑准则组织的信息类别正确的分类学定
义 参考标准:
• 美国规划协会的土地分类标准(LBCS) • 美国国家植被分类系统
遥感信息认知过程
基于光谱特征的分类原理
遥感图像计算机分类的依据是遥感图像像素的相似度。 常使用距离和相关系数来衡量相似度。 ➢采用距离衡量相似度时，距离越小相似度越大。 ➢采用相关系数衡量相似度时，相关程度越大，相 似度越大。
遥感分类基本过程
1. 根据图像分类目的选取特定区域的遥感影像，考虑空 间分辨率、光谱分辨率、成像时间、图像质量等。
理 特 征 明 显 的 类 比率，以及亮度值。
段均值/所有波
别。
段的均值
林地与已开发区域通过 亮度＝当前波
波段1的均值进行区分。 段均值/波段数
1
20
小面积成片封闭 乡村、水体1、林地1采 继承：利用层次
的 类 别 ， 与 周 围 用继承规则。
之间父子对象的
环境反差较大的 散列类别，中等 面积纹理一致，
现方式
空间特征及其判读标志
• 形状 • 大小 • 图形与边界 • 阴影 • 位置 • 纹理 • 类型 • 综合构图
(1)直接解译标志
• 阴影：遥感图像上光束被地物遮挡而产生 的地物的影子；有时需去除地形起伏引起 的部分阴影。本影和落影
(1)直接解译标志
• 形状：地物的轮廓在影像平面的 投影。需要根据影像比例尺和分 辨率具体分析，注意畸变（雷达、 航片边缘）
第五章 遥感信息提取及应用
遥感信息提取
无 地表信息 限
多 维
有 限 遥感图像信息 二 维
多源信息
选
用户信息
择
专
题
遥感图像信息提取原理
目视解译是遥感成像的逆过程
地表景观
空间结构、时间特点 化学组分、物理属性
遥感图像
大小形状、色调灰阶 畸变失真、成图比例
成像过程
成像方式、探测波段 投影方式、时空因素