文档介绍：遥感原理与应用
第1页，本讲稿共55页
1
§1、数字图像的性质和特点
遥感数字图像
遥感数字图像是以数字表示的遥感图像,,，包括最小距离和最近邻域。
最小距离判别法要求对遥感图像中每一个类别选一个具有代表意义的统计特征量（均值），首先计算待分像元与已知类别之间的距离，然后将其归属于距离最小的一类。
第16页，本讲稿共55页
最小距离法示意图
第17页，本讲稿共55页
最近邻域分类法
P197在多波段遥感图像中，每一类别具有多个统计特征量。最近邻域分类法首先计算待分像元到每一类中每一个统计特征量的距离，这样，该像元到每一类都有几特征值，取其中最小的一个距离作为该像元到该类别的距离，最后比较该待分像元到所有类别间的距离，将其归属于距离最小的一类。分类精度不高，计算速度快。
第18页，本讲稿共55页
（2）多级切割分类法
P197通过设定在各轴上的一系列分割点，将多维特征空间划分成分别对应不同分类类别的互不重叠的特征子空间的分类方法。对于一个未知类别的像素来说，它的分类取决于它落入哪个类别特征子空间。如落入某个特征子空间，则属于该类，如落入所有特征子空间之外，则属于未知类别。多波段图像分类前先进行主成分变换，然后进行多级分割。
第19页，本讲稿共55页
（3）最大似然比分类法（MLC）
P198是通过求出每个像素对于各类别的归属概率，把该像素分到归属概率最大的类别中去的方法。
前提：假定训练区各地物的光谱特征服从正态分布，利用训练区可求出均值、方差、协方差等特征参数，从而可求出总体的先验概率密度函数。当总体不符合正态分布时，不宜采用MLC。
第20页，本讲稿共55页
设从类别k中观测到x的条件概率为p(x|k)，则归属概率Lk为
归属概率是指对于待分像元x，它从属于分类类别k的后验概率。
第21页，本讲稿共55页
+++ + ++ +++
++++++++++++
A
B
波段1
波段2
Amin1
Amax1
Amax2
Amin2
Bmin1
Bmax1
Bmin2
Bmax2
平行算法示意图
第22页，本讲稿共55页
特征曲线是地物光谱特征曲线参数构成的曲线。
以特征曲线为中心取一个条带，构造一个窗口，凡是落在此窗口内的地物即被认为是一类，反之，则不属于该类。
（4）、特征曲线窗口分类法
第23页，本讲稿共55页
☆ 监督分类 小结
(1) 概念: 监督是指人为干预下的训练样本选取过程。依据训练样本的亮度特征建立“判别函数”，进行预分类；再依据预分类结果，调整训练样本，再分类，取得好的分类结果的过程，称为监督分类。
(2) 训练区的实际意义: 获得建立判别函数所必须的统计量。这些统计参数包括---- 均值、方差、协方差。
(3) 监督分类的关键---- 训练样本的选取
Ａ、样本数:如果特征空间( 波段数 )的维数是n，则预分类的样本数一定要 >n+1 ,甚至可以达到3n 。
B、代表性:训练样本应该反映该类地物的亮度特征；且需注意同类地物空间分布的不连续性。 (如多块同类样本都要选取)
第24页，本讲稿共55页
Ｃ、亮度分布：从亮度特征角度而言，对于同一类地物具有不同亮度特征情况，通常都要选取（同物异谱）。
Ｄ、纯度的把握：
一般来说，在已知类别的中间部位较高；
如果过纯，则方差过小，导致许多此类地物的像元被拒分；
如果不纯，则方差过大，导致不是此类地物的像元被分到该类别中，导致出现“错分”的情况；
把握纯度的方法：读像元的亮度值，确定该类地物的亮度分布区间；同时，注意其它地物亮度值与其近似部分的像元亮度分布区间，依“错分损失最小”的原则，确定“分类界限”。
第25页，本讲稿共55页
( P199 )
(1)前提：假定遥感影像上同类地物在同样条件下具有相同的光谱特征。
(2) 分类原理：不必对影像地物有先验知识，仅依据影像上各类地物光谱信息（或纹理信息）进行特征提取，再统计特征的差别来达到分类的目的，最后对已分出的各个类别进行确认。
非监督分类
第26页，本讲稿共55页
同类地物有其一定的聚集空间，多个类别在直方图上有很多峰值及对应的众数灰度值，在不同众数附近的灰度空间形成的点群，叫集群。
分级集群方法是采用距离评价各样本（每个像元）在空间分布的相似程度，把它们的分布分割或合并成不同的集群。每个集群是什么地类，要根据地面调查或已知类型的数据比较后确定。
1）分