第六章遥感数字图像计算机解译
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)。
器获取的遥感数字图像。
3）彩色数字图像：由红、绿、蓝三个数字层构成的
图像。
4）多波段数字图像：传感器从多个波段获取的遥感
数字图像。
6
遥感数字图像的性质与特点
多波段数字图像的存贮与分发，通常采用三种 数据格式：
1）BSQ（Band sequential）：是一种按波段顺序依次 排列的数据格式。
2）BIP （Band interleaved by pixel ）：第一波段位居 第一列，第二波段位居第二列，第n波段位居第n列。
第六章 遥感数字图像计算机解译
遥感数字图像的性质与特点 遥感数字图像的计算机分类
遥感图像多种特征的抽取 遥感图像解译专家系统
1
遥感数字图像计算机解译概念
• 遥感数字图像计算机解译以遥感数字图像为研 究对象，在计算机系统支持下，综合运用地学 分析、遥感图像处理、地理信息系统、模式识 别与人工智能技术，实现地学专题信息的智能 化提取。
• (4)找出代表这些类别的统计特征。
9
遥感数字图像的计算机分类 • 遥感数字图像计算机解译的主要目的：将遥感
图像的地学信息获取发展为计算机支持下的遥 感图像智能化识别。 • 最终目的：实现遥感图像理解。 • 基础工作：遥感数字图像的计算机分类。
10
遥感数字图像的计算机分类
• 计算机分类:是通过模式识别理论，利用计算机将
遥感图象自动分成若干地物类别的方法。 如土地覆盖/土地利用分类、森林类型分类、植
4
遥感数字图像的性质与特点 遥感数字图像的特点： 1） 便于计算机处理与分析 2） 图像信息损失低 3） 抽象性强
5
遥感数字图像的性质与特点
按波段数量，遥感数字图像可分为以下类型：
1）二值数字图像：图像中每个像素由0或1构成，在
计算机屏幕上表示为黑白图像。
2）单波段数字图像：在某一波段范围内工作的传感
3）BIL（Band interleaved by line）： 第一波段第一行 第一个像素位居第一，第一波段第一行第二个像素位 居第二，第一波段第一行第n个像素位居第n位。依次 类推。
7
1）BSQ
2百度文库BIP
3）BIL 8
遥感数字图像的性质与特点
航空像片的数字化：
1）空间采样：将航空像片具有的连续灰度(色彩)信息转 换为每行有m个单元，每列有n个单元的像素集合。 2）属性量化：一般把航空照片上连续变化的黑一灰一白 的亮度量化为64级或256个灰度级。经过量化处理，可以 得到每个像元的数字模拟量。
被类型分类、岩性分类、…… • 分类关键：提取待识别模式的一组统计特征值。 • 主要依据：地物的光谱特征。
11
遥感数字图像的计算机分类
模式（pattern）: 在多波段图像中，每个像元都具有一组对 应取值，称为像元模式
特征（feature）：在多波段图象中，每个波段都可看作一个 变量，称为特征变量。特征变量构成特征空间。
物类别差异的特征变量用于分类的过程
12
遥感数字图像的计算机分类
• 计算机分类的基本原理： 不同的地物具有不同的光谱特征，同类地
物具有相同或相似的光谱特征。 • 分类依据是遥感图像像素的相似度。 • 相似度：两类模式之间的相似程度。
距离 相关系数
13
常用的度量特征空间距离的几种算法
欧氏距离:
dij
• 基本目标：将人工目视解译遥感图像发展为计 算机支持下的遥感图像理解。
2
• 计算机解译难度大的原因：
1、遥感图像带有噪声； 2、遥感影像信息量丰富，内容“拥挤”； 3、遥感图像的地域性、季节性和不同成
像方式更增加了解译难度。
3
遥感数字图像的性质与特点
遥感数字图像: 以数字形式表现的遥感影像。基本单位为 像素（像元），是成像过程的采样点，也是计算机图像处理 的最小单元。
分类过程中采用的统计特征变量包括：全局统计特征变量和 局部统计特征变量。
全局统计特征变量：将整个数字图像作为研究对象，从整个 图像中获取或进行变换处理后获取变量。
局部统计特征变量：将数字图像分割成不同识别单元，在各 个单元内分别抽取的统计特征变量。
特征提取(feature extraction)：通过变换找出最能反映地
遥感数字图像的分类方法：
监督分类方法：首先需要从研究区域选取有代表性的训
练场地作为样本。根据已知训练区提供的样本，通过选择 特征参数(如像素亮度均值、方差等)，建立判别函数，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。
非监督分类方法：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(将相似度大的像元归为一类)的 方法。
ij
n
(xik xi )(x jk x j )
k 1
n
n
(xik xi )2 (x jk x j )2
k 1
k 1
xik和xjk为像元i和j的第k个分量(波段k上对应的值)；
采用相关系数衡量相似度时，相关程度越大．相似度 越大。相关程度越小，相似度越小。
16
遥感数字图像的计算机分类
17
遥感数字图像计算机分类基本过程如下：
• (1)首先明确遥感图像分类的目的及其需要解决的问题，在 此基础上根据应用目的选取特定区域的遥感数字图像，图像 选取中应考虑图像的空间分辨率、光谱分辨率、成像时间、 图像质量等。
• (2)根据研究区域，收集与分析地面参考信息与有关数据。
• (3)对图像分类方法进行比效研究，掌握各种分类方法的优 缺点，然后根据分类要求和图像数据的特征，选择合适的图 像分类方法和算法。
N
(xik x jk )2
k 1
N
N为波段数; dij为第i个像元与第j个像元在N维空间中的距离;
xik为第k个波段上第i个像元的灰度值;
绝对距离:
N
dij | xik x jk | k 1
明斯基距离: 欧氏距离和绝对距离可统一表示为:
N
dij [ | xik x jk |q ]1/q k 1
14
常用的度量特征空间距离的几种算法
马氏距离(Mahalanobis):
dij [(xi x j)T
1(xi x j )]1/ 2
马氏距离既考虑离散度，也考虑到各轴间总体分布的相关。 采用距离衡量相似度时，距离越小相似度越大，反之则小。
15
相关系数
相关系数:像素间的关联程度。可以定义为：
3）彩色数字图像：由红、绿、蓝三个数字层构成的
图像。
4）多波段数字图像：传感器从多个波段获取的遥感
数字图像。
6
遥感数字图像的性质与特点
多波段数字图像的存贮与分发，通常采用三种 数据格式：
1）BSQ（Band sequential）：是一种按波段顺序依次 排列的数据格式。
2）BIP （Band interleaved by pixel ）：第一波段位居 第一列，第二波段位居第二列，第n波段位居第n列。
第六章 遥感数字图像计算机解译
遥感数字图像的性质与特点 遥感数字图像的计算机分类
遥感图像多种特征的抽取 遥感图像解译专家系统
1
遥感数字图像计算机解译概念
• 遥感数字图像计算机解译以遥感数字图像为研 究对象，在计算机系统支持下，综合运用地学 分析、遥感图像处理、地理信息系统、模式识 别与人工智能技术，实现地学专题信息的智能 化提取。
• (4)找出代表这些类别的统计特征。
9
遥感数字图像的计算机分类 • 遥感数字图像计算机解译的主要目的：将遥感
图像的地学信息获取发展为计算机支持下的遥 感图像智能化识别。 • 最终目的：实现遥感图像理解。 • 基础工作：遥感数字图像的计算机分类。
10
遥感数字图像的计算机分类
• 计算机分类:是通过模式识别理论，利用计算机将
遥感图象自动分成若干地物类别的方法。 如土地覆盖/土地利用分类、森林类型分类、植
4
遥感数字图像的性质与特点 遥感数字图像的特点： 1） 便于计算机处理与分析 2） 图像信息损失低 3） 抽象性强
5
遥感数字图像的性质与特点
按波段数量，遥感数字图像可分为以下类型：
1）二值数字图像：图像中每个像素由0或1构成，在
计算机屏幕上表示为黑白图像。
2）单波段数字图像：在某一波段范围内工作的传感
3）BIL（Band interleaved by line）： 第一波段第一行 第一个像素位居第一，第一波段第一行第二个像素位 居第二，第一波段第一行第n个像素位居第n位。依次 类推。
7
1）BSQ
2百度文库BIP
3）BIL 8
遥感数字图像的性质与特点
航空像片的数字化：
1）空间采样：将航空像片具有的连续灰度(色彩)信息转 换为每行有m个单元，每列有n个单元的像素集合。 2）属性量化：一般把航空照片上连续变化的黑一灰一白 的亮度量化为64级或256个灰度级。经过量化处理，可以 得到每个像元的数字模拟量。
被类型分类、岩性分类、…… • 分类关键：提取待识别模式的一组统计特征值。 • 主要依据：地物的光谱特征。
11
遥感数字图像的计算机分类
模式（pattern）: 在多波段图像中，每个像元都具有一组对 应取值，称为像元模式
特征（feature）：在多波段图象中，每个波段都可看作一个 变量，称为特征变量。特征变量构成特征空间。
物类别差异的特征变量用于分类的过程
12
遥感数字图像的计算机分类
• 计算机分类的基本原理： 不同的地物具有不同的光谱特征，同类地
物具有相同或相似的光谱特征。 • 分类依据是遥感图像像素的相似度。 • 相似度：两类模式之间的相似程度。
距离 相关系数
13
常用的度量特征空间距离的几种算法
欧氏距离:
dij
• 基本目标：将人工目视解译遥感图像发展为计 算机支持下的遥感图像理解。
2
• 计算机解译难度大的原因：
1、遥感图像带有噪声； 2、遥感影像信息量丰富，内容“拥挤”； 3、遥感图像的地域性、季节性和不同成
像方式更增加了解译难度。
3
遥感数字图像的性质与特点
遥感数字图像: 以数字形式表现的遥感影像。基本单位为 像素（像元），是成像过程的采样点，也是计算机图像处理 的最小单元。
分类过程中采用的统计特征变量包括：全局统计特征变量和 局部统计特征变量。
全局统计特征变量：将整个数字图像作为研究对象，从整个 图像中获取或进行变换处理后获取变量。
局部统计特征变量：将数字图像分割成不同识别单元，在各 个单元内分别抽取的统计特征变量。
特征提取(feature extraction)：通过变换找出最能反映地
遥感数字图像的分类方法：
监督分类方法：首先需要从研究区域选取有代表性的训
练场地作为样本。根据已知训练区提供的样本，通过选择 特征参数(如像素亮度均值、方差等)，建立判别函数，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。
非监督分类方法：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(将相似度大的像元归为一类)的 方法。
ij
n
(xik xi )(x jk x j )
k 1
n
n
(xik xi )2 (x jk x j )2
k 1
k 1
xik和xjk为像元i和j的第k个分量(波段k上对应的值)；
采用相关系数衡量相似度时，相关程度越大．相似度 越大。相关程度越小，相似度越小。
16
遥感数字图像的计算机分类
17
遥感数字图像计算机分类基本过程如下：
• (1)首先明确遥感图像分类的目的及其需要解决的问题，在 此基础上根据应用目的选取特定区域的遥感数字图像，图像 选取中应考虑图像的空间分辨率、光谱分辨率、成像时间、 图像质量等。
• (2)根据研究区域，收集与分析地面参考信息与有关数据。
• (3)对图像分类方法进行比效研究，掌握各种分类方法的优 缺点，然后根据分类要求和图像数据的特征，选择合适的图 像分类方法和算法。
N
(xik x jk )2
k 1
N
N为波段数; dij为第i个像元与第j个像元在N维空间中的距离;
xik为第k个波段上第i个像元的灰度值;
绝对距离:
N
dij | xik x jk | k 1
明斯基距离: 欧氏距离和绝对距离可统一表示为:
N
dij [ | xik x jk |q ]1/q k 1
14
常用的度量特征空间距离的几种算法
马氏距离(Mahalanobis):
dij [(xi x j)T
1(xi x j )]1/ 2
马氏距离既考虑离散度，也考虑到各轴间总体分布的相关。 采用距离衡量相似度时，距离越小相似度越大，反之则小。
15
相关系数
相关系数:像素间的关联程度。可以定义为：