3-遥感图像信息提取

关系/逻辑
LT、LE、EQ„. and、or、not„. 最大值、最小值
其他
如：{ndvi} LT 0.3
„„
ENVI/IDL
决策树分类-练习
• 数据源 - “..\练习数据\2-决策树分类\bouldr_tm.dat” • 规则获取（经验总结和样本总结） - 类1：NDVI大于0.3，坡度大于或者等于20度 - 类2：NDVI大于0.3，坡度小于20度，阴坡 - 类3：NDVI大于0.3，坡度小于20度，阳坡 - 类4：NDVI小于或等于0.3，波段4值大于或等于20 - 类5： NDVI小于或等于0.3，波段4值小于20
ENVI/IDL
2.2 监督分类基本流程
类别定义/特征判别 样本选择
分类器选择 影像分类 分类后处理
平行六面体 最小距离 马氏距离 最大似然 波谱角 二进制编码 光谱信息散度 神经网络 支持向量机分类 模糊分类
结果验证
ENVI/IDL
2.3 监督分类流程说明——类别定义/特征判断
• 根据分类目的、影像数据自身的特征和分类区收
ENVI/IDL
2.3 监督分类流程说明——分类器选择
• 据分类的复杂度、精度需求等确定哪一种分类器 • 目前ENVI的监督分类可分为基于传统统计分析学
的，包括平行六面体、最小距离、马氏距离、最 大似然，基于神经网络的，基于模式识别，包括 支持向量机、模糊分类等，针对高光谱有波谱角 （SAM），光谱信息散度，二进制编码
ENVI/IDL
5、地物识别与定量反演
ENVI/IDL
5.1 地物识别与定量反演基础
• 从高光谱图像的每个像元均可以获取一条连续的波谱曲线
，可以考虑用已知的波谱曲线和图上每个像元获取的波谱 曲线进行对比，理想情况下两条波谱曲线一样，就能说明 这个像元是哪种物质
• 遥感定量反演就是根据观测信息和模型求解或推算描述地
ENVI/IDL
1.2 遥感信息提取方法概述
基于专家知识 的决策树分类
面向对象特征 自动提取
地物识别与 地表反演
基于光谱计算 机自动分类
变化检测
人工解译
地形信息提取
ENVI/IDL
1.3 遥感信息提取方法——适用范围
方法 说明
人工解译
基于光谱的计算机分类
适用定性信息的提取，也就是在图像上通过肉 眼能分辨的信息
3、基于专家知识的决策树分类
ENVI/IDL
3.1 专家知识的决策树分类基本原理
根据光谱特征、空间关系和其他上下文关系归类像元
陡坡上的植被 缓坡上的植被
+
+ +
DEM
Road Map Zoning Coverage Landcover Classification
+
高山植被
公园用地
ENVI/IDL
用用户编写的函数，最后将结果输出到文件或是 内存中
ENVI/IDL
5.2 Bandmath条件
• 必须符合IDL语言书写波段运算表达式 • 所有输入波段必须具有相同的空间大小 • 表达式中的所有变量都必须用Bn（或bn）命名
• 结果波段必须与输入波段的空间大小相同
ENVI/IDL
地表温度反演——练习
- 矢量 - 图像（分类图像、规则图像)
- 结果统计报表
ENVI/IDL
面向对象分类练习2——基于样本
• 监督分类
-
根据一定样本数量以及其对应的属性信息，提供K邻近法、支 持向量机主成分分析法进行特征提取
ENVI/IDL
面向对象分类练习3——单波段影像提取河流
• 采用单波段影像，使用ENVI
FX面向对象信息提取工具中 的”Rule based feature extraction workflow” 进行 河流信息提取
分分析后进行假彩色合成，由于去除了波段间的相 关性，不同地物区分的更加明显；还可以借助 Google Earth辅助解译
• 各个样本类型之间的可分离性要好
- 用Jeffries-Matusita,
Transformed Divergence 参数表示，这两个参数的值在0~2.0之间，大于1.9 说明样本之间可分离性好，属于合格样本；小于 1.8，需要重新选择样本；小于1，考虑将两类样本 合成一类样本
知 识 决 策 空间关系和其他
树 上下文关系归类 像元
杂
面 向 对 象 几 何 信 息 、 结 构 一个个影像对象 中高分辨率多光 速度比较慢
的分类方 信息以及光谱信 法 息 谱和全色影像
注：一种方法不能完全取代另一种，每种方法都有其适用范围
ENVI/IDL
3 面向对象分类操作流程
发现对象
影像分割
ENVI/IDL
决策树分类-练习
• 构建执行决策树
ENVI/IDL
4、面向对象分类
ENVI/IDL
4.1 面向对象的图像分析
• 同物异谱，同谱异物”会对影像分类产生的影响，
加上高分辨率影像的光谱信息不是很丰富，还有 经常伴有光谱相互影响的现象，这对基于像素的 分类方法提出了一种挑战，面向对象的影像分类 技术可以一定程度减少上述影响
遥感图像信息提取
ENVI/IDL
主要内容
• 1、遥感信息提取技术概述 • 2、监督分类 • 3、基于专家知识的决策树分类
• 4、面向对象分类
• 5、地物识别和定量反演 • 6、动态监测 • 7、立体像对DEM提取
ENVI/IDL
1、遥感信息提取方法概述
ENVI/IDL
1.1 影像信息提取技术基础
面实况的应用参数
• 遥感反演的基础是描述遥感信号或遥感数据与地表应用之
间的关系模型
• ENVI的Bandmath工具可将模型应用于影像，实现定量反演
ENVI/IDL
5.2 Bandmath基础
• ENVI波段运算工具能够调用用户编写的程序进行
定制的处理
• 波段运算工具用来定义输入的波段或文件，并调
集的信息确定分类系统；
• 对影像进行特征判断，评价图像质量，决定是否
需要进行影像增强等预处理。
• 这个过程主要是一个目视查看的过程，为后面样
本的选择打下基础。
ENVI/IDL
2.3 监督分类流程说明——样本选择
• 样本选择是非常重要的过程，直接影响分类精度
• 在样本选择过程中，有很多辅助方法
- 可以显示不同的假彩色合成窗口，也可以进行主成
• 面向对象的技术
- 集合临近像元为对象用来识别感兴趣的光谱要素
- 充分利用高分辨率的全色和多光谱数据，利用空间，
纹理，和光谱信息来分割和分类的特点 - 以高精度的分类结果或者矢量输出
ENVI/IDL
4.2 与基于像元分类的区别
类型 基本原理 影像的最小单元 适用数据源 缺 陷
传 统 基 于 地 物 的 光 谱 信 息 单个的影像像元 中低分辨率多光 丰 富 的 空 间 信 息 光 谱 的 分 特征 类方法 基 于 专 家 根 据 光 谱 特 征 、 单个的影像像元 多源数据 知识获取比较复 谱和高光谱影像 利用率几乎为零
对于中低分辨率的多光谱影像效果明显（小于 10米） 随着高分辨率影像的出现而发展起来的 定量信息提取，需要模型的支持，数据源有一 定要求 多时相影像支持 需要立体像对的支持
ENVI/IDL
基于专家知识的决策树分类 需要多源数据支持 面向对象分类方法 地物识别与地表反演 变化监测 地形信息提取
2、监督分类
• 发现对象 • 特征提取
合并分块
输出对象 为矢量文件？
是
是
特征提取
定义要素 规则分类 监督分类
导出要素
查看报告和统计
完成
ENVI/IDL
面向对象分类练习
• 基于规则的面向对象分类
• 数据“..\练习数据\3-面向对象图像分类\1-基于规则”
• 基于样本的面向对象分类
• 数据“..\练习数据\3-面向对象图像分类\2-基于样本”
• 数据 - “\练习数据\4-定量反演\TM-NDVI-60m.img” • 地表比辐射率计算
- 植被覆盖度
-
(b1 gt 0.7)*1+(b1 lt 0.)*0+(b1 ge 0 and b1 le 0.7)*((b1-0.0)/(0.7-0.0))
• 单波段影像的面向对象分类
• 数据“..\练习数据\3-面向对象图像分类\3-面向对象提取河流”
ENVI/IDL
面向对象分类练习——准备工作
• 空间分辨率的调整 • 光谱分辨率的调整 • 多源数据组合 • 空间滤波
ENVI/IDL
面向对象分类练习——准备工作
• 空间分辨率的调整 • 光谱分辨率的调整 • 多源数据组合 • 空间滤波
• 遥感影像通过亮度值或像元值的高低差异（反映
地物的光谱信息）及空间变化（反映地物的空间 信息）来表示不同地物的差异，这是区分不同影 像地物的物理基础。
• 遥感影像分类就是利用计算机通过对遥感影像中
各类地物的光谱信息和空间信息进行分析，选择 特征，将图像中每个像元按照某种规则或算法划 分为不同的类别，然后获得遥感影像中与实际地 物的对应信息，从而实现遥感影像的分类，即信 息提取。
ENVI/IDL
2.3 监督分类流程说明——分类后处理
• 分类后处理包括很多过程，都是些Βιβλιοθήκη Baidu选项，包括
更改类别颜色、分类统计分析、小斑点处理（分 类后处理）、栅矢转换等操作
ENVI/IDL
监督分类练习(一)
• 数据源 - 练习数据\1-监督分类\1-监督分类（Classic） • 分类
- 类别定义 - 样本选择 - 分类器选择
• 规则分类
-
每一个分类有若干个规则（Rule）组成，每一个规则有若干 个属性表达式来描述。规则与规则直接是与的关系，属性表 达式之间是并的关系
• 如下是对水的一个描述：
- 面积大于500像素 - 延长线小于0.5 - NDVI小于0.25
ENVI/IDL
面向对象分类练习——输出结果
• 特征提取结果输出
ENVI/IDL
2.1 监督分类定义
• 又称训练分类法，用被确认类别的样本像元去识
别其他未知类别像元的过程。
- 在分类之前通过目视判读和野外调查，对遥感图像
上某些样区中影像地物的类别属性有了先验知识， 对每一种类别选取一定数量的训练样本 - 计算机计算每种训练样区的统计或其他信息，同时 用这些种子类别对判决函数进行训练，使其符合于 对各种子类别分类的要求 - 用训练好的判决函数去对其他待分数据进行分类。 使每个像元和训练样本作比较，按不同的规则将其 划分到和其最相似的样本类，以此完成对整个图像 的分类
ENVI/IDL
面向对象分类练习——分割影像
• FX根据临近像素亮度、纹理、颜色等对影像进行分割，它
使用了一种基于边缘的分割算法，这种算法计算很快，并 且只需一个输入参数，就能产生多尺度分割结果。
• 选择高尺度影像分割将会分出很少的图斑，选择一个低尺
度影像分割将会分割出更多的图斑
ENVI/IDL
面向对象分类练习——合并分块
• 影像分割时，由于阈值过低，一些特征会被错分，一个特
征也有可能被分成很多部分。我们可以通过合并来解决这 些问题。
• FX利用了
Full Lambda-Schedule算法，该方法在结合光 谱和空间信息的基础上迭代合并邻近的小斑块。
• 这一步是可选项，如果不需要可以直接跳过。
ENVI/IDL
面向对象分类练习1——特征提取
3.2 专家知识的决策树分类基本步骤
知识（规则）定义
规则输入
决策树运行
分类后处理
ENVI/IDL
3.3 规则定义
• 规则获取：经验总结和样本总结 • 规则描述
- 类1：NDVI大于0.3，坡度大于或者等于20度 - 类2：NDVI大于0.3，坡度小于20度，阴坡 - 类3：NDVI大于0.3，坡度小于20度，阳坡 - 类4：NDVI小于或等于0.3，波段4值大于或等于20 - 类5：
NDVI小于或等于0.3，波段4值小于20
ENVI/IDL
3.4 规则描述——表达式与变量
表达式 基本运算符 三角函数 部分可用函数 +、-、*、/ Sin、cos、tan asin、acos、 atan Sinh、cosh、 tanh„. slope aspect ndvi Tascap pc mnf lpc 其他符号 指数（^）、exp 对数alog 平方根（sqrt）、 绝对值（adb） „„ Stdev Mean Min、max 变量 作用 计算坡度 计算坡向 计算归一化植被 指数 穗帽变换 主成分分析 最小噪声变换 局部主成分分析 标准差 平均值 最大、最小值
• 分类后处理
- 小斑快处理 - 栅矢转换
• 精度验证
ENVI/IDL
监督分类练习(二)
• 数据源 - 练习数据\1-监督分类\2-火烧迹地提\BurnALI_subset.dat” • 分类
- 类别定义 - 样本选择 - 分类器选择
• 分类后处理
- 小斑快处理 - 栅矢转换
• 精度验证
ENVI/IDL