遥感图像的计算机分类.pptx

第六章遥感图像的计算机分类;理解遥感图像计算机分类的一般原理和常用的判别函数

掌握传统的监督分类和非监督分类方法，以及分类中的辅助处理技术

了解计算机分类的新方法

;遥感图像计算机分类的一般原理

判别函数

非监督分类

监督分类

光谱特征分类中的辅助处理技术

计算机分类新方法

雷达遥感图像分类新方法;§1遥感图像计算机分类的一般原理;一、概述;一、概述;一、概述;一、概述;一、概述;一、概述;一、概述;一、概述;二、计算机分类的基本原理;二、计算机分类的基本原理;二、计算机分类的基本原理;;三、计算机分类处理的一般过程;三、计算机分类处理的一般过程;水田;平原旱地;有林地;低覆盖度草地;河渠;城镇用地;盐碱地;三、计算机分类处理的一般过程;三、计算机分类处理的一般过程;§2判别函数;一、距离判别函数;一、距离判别函数;一、距离判别函数;一、距离判别函数;一、距离判别函数;一、距离判别函数;一、距离判别函数;二、最大似然法判别函数;二、最大似然法判别函数;二、最大似然法判别函数;概念

～是在没有先验类别知识(训练场地)的情况下，根据图像本身的统计特征及自然点群的分布情况来划分地物类别的分类处理，也叫做“边学习边分类法”

理论依据

遥感图像上的同类地物在相同的表面结构特征、植被覆盖、光照等条件下，一般具有相同或相近的光谱特征，从而表现出某种内在的相似性，归属于同一个光谱空间区域；不同的地物，光谱信息特征不同，归属于不同的光谱空间区域

方法

聚类分析;§3非监督分类;§3非监督分类;一、初始类别参数的选定;一、初始类别参数的选定;一、初始类别参数的选定;一、初始类别参数的选定;一、初始类别参数的选定;一、初始类别参数的选定;局部直方图峰值定心法

基本原理

每个类别的集群中心一般位于本类别直方图的峰值位置，而在该位置处的总体直方图往往会出现局部峰值

基本过程

;一、初始类别参数的选定;二、ISODATA法（迭代自组织数据分析技术）;二、ISODATA法;二、ISODATA法;三、K-Mean算法;三、K-Mean算法;四、应用举例;四、应用举例;四、应用举例;§4监督分类;一、训练区的选??;二、判别分析分类;二、判别分析分类;二、判别分析分类;二、判别分析分类;二、判别分析分类;二、判别分析分类;二、判别分析分类;二、判别分析分类;二、判别分析分类;三、检验;三、检验;三、检验;三、检验;四、应用实例;四、应用实例;四、应用实例;四、应用实例;四、应用实例;比较;比较;比较;比较;§5光谱特征分类中的辅助处理技术;一、上下文分析方法;一、上下文分析方法;一、上下文分析方法;一、上下文分析方法;一、上下文分析方法;一、上下文分析方法;一、上下文分析方法;一、上下文分析方法;二、基于地形信息的计算机分类处理;二、基于地形信息的计算机分类处理;三、辅以纹理特征的光谱特征分类法;三、辅以纹理特征的光谱特征分类法;§6计算机分类新方法;一、神经网络分类器;一、神经网络分类器;一、神经网络分类器;一、神经网络分类器;一、神经网络分类器;二、基于小波神经网络遥感图像分类;二、基于小波神经网络遥感图像分类;三、模糊聚类法;三、模糊聚类法;四、树分类器;四、树分类器;五、专家系统方法的应用;五、专家系统方法的应用;§7雷达遥感图像分类新方法;对同物异谱、异物同谱、

混合像元解译的改进

农作物的精细分类

遥感估产面积的精确计算

灾害损失评估

土地利用分类

森林面积制图等;二、新方法;Thankyou！