文档介绍：关于遥感数字图像处理教程遥感图像分类
第1页，讲稿共95张，创作于星期三
§9—1 基础知识
1、 模式与模式识别
所谓“模式”是指某种具有空间或几何特征的东西。
对被识别的模式作一系列的测量，然后将测量结果与“模式字23 -
第17页，讲稿共95张，创作于星期三
第18页，讲稿共95张，创作于星期三
土壤亮度变化轴ISB为穗帽的底边，帽上面各部分反映了植物生长变化状况，植物株冠的绿色发展到顶点（最旺盛时在帽顶）以后逐渐枯黄，枯黄过程是从帽顶沿着一些称为帽穗的路径回归到土壤底线（因此有穗帽之称）。
第19页，讲稿共95张，创作于星期三
哈达玛矩阵为一个对称的正交矩阵，其变换核为 H’
由哈达玛变换核可知，哈达玛变换实际是将坐标轴旋转了45℃的正交变换
3、哈达吗变换
第20页，讲稿共95张，创作于星期三
哈达玛矩阵的维数N总是2的倍数，即N=2m （m=1，2……）
其中m称为矩阵的阶，每个高阶哈达玛矩阵都由其低一阶的哈达玛矩阵按如下
取二阶哈达玛变换矩阵
第21页，讲稿共95张，创作于星期三
以MSS4，5，6，7四波段的陆地卫星图像的哈达玛为换为例: IH=H·X
IH=(h0 h3 h1 h2)T
h0=(x4+x5)+(x6+x7)
h1=( x4+x5)-( x6+x7)
h2=( x4-x5)-( x6-x7)
h3= ( x4-x5)+( x6-x7)
第22页，讲稿共95张，创作于星期三
有: h0 1 1 x4+5
h1 1 -1 x6+7
h2 1 1 x4-5
h3 1 -1 x6-7
=
=
将它们投影到以X4+5 X6+7 和X4-5 X6-7形成的二个二维空间上
第23页，讲稿共95张，创作于星期三
第24页，讲稿共95张，创作于星期三
特征图像h0集中了大量的土壤信息，并且对于把水同土壤与植被的混合体区分开来是有效的。
而h1则有利于提取植被信息，即有利于把植被同水和土壤的混合体区分开来。
而h2类似于h1。但是由于（X4-5）和（X6-7）的数值对各类都很小（<%）,所以h3和h2主要表现为噪声图像，通常在特征选择过程中可把其舍去，以达到数据压缩的目的。
第25页，讲稿共95张，创作于星期三
4、比值变换和生物量指标变换
比值变换图像用作分类有许多优点，它可以增强土壤，植被，水之间的辐射差别，压抑地形坡度和方向引起的辐射量变化。
第26页，讲稿共95张，创作于星期三
该变换的几何意义是地物集群沿辐射方向在IH1=1的直线上的投影
从图中可以看出植物与土壤在7波段上有混淆；植物与水在5波段上有混淆。经变换后，植物与土壤和水都分离开来，因此可独立地对绿色植物量进行统计，因而得名。
第27页，讲稿共95张，创作于星期三
二 特征选择
在遥感图像自动分类过程中，不仅使用原始遥感图像进行分类，还使用如上节所述多种特征变换之后的影像。我们总希望能用最少的影像数据最好地进行分类。这样就需在这些特征影像中，选择一组最佳的特征影像进行分类，这就称为特征选择。
第28页，讲稿共95张，创作于星期三
特征选择的问题与所希望区分的类别及影像本身的特征有关
比如当希望研究植被类别，生长情况等，那么选择生物量指标变换影像及穗帽变换中GV(绿色植物指标轴)分量影像就比较有利；
研究土壤类别问题时，使用穗帽变换中的SB（土壤亮度轴）分量比较有利；
区分两类类似的地物（如玉米和大豆），则选取用适宜时间的影像进行分类；
又如对山地植被分类选用比值变换后影像能消去地形影响。
第29页，讲稿共95张，创作于星期三
特征选择的定量方法
1、距离测度:如果所选择的一组特征能使感兴趣类别的类内距离最小，而与其它类别的类间距离最大，那么根据距离测度；用这组特征设计的分类器分类效果最好。实际可使用标准化距离，类别均值间的标准化距离公式为：
类别间标准化距离越大的特征影像可分性越好
第30页，讲稿共95张，创作于星期三
2、散布矩阵测度
除了距离测度之外，实际应用中还经常采用一种散布矩阵的方式来度量类别的可分性，它是用矩阵形式来表示模式类别在特征空间中的散布情况。
第31页，讲稿共95张，创作于星期三
§9-3监督分类
监督分类法是选择有代表性的试验区来训练计算机，再按一定的统计判别规则对未知地区进行自