1、會計學1第九章遙感圖像第九章遙感圖像(t xin)分類分類第一頁，共63頁。第1頁/共62頁第二頁，共63頁。第2頁/共62頁第三頁，共63頁。第3頁/共62頁第四頁，共63頁。第4頁/共62頁第五頁，共63頁。第5頁/共62頁第六頁，共63頁。第6頁/共62頁第七頁，共63頁。 監督分類法：選擇具有代表性的典型實驗區或訓練區，用訓練區中已知地面各類地物樣本(yngbn)的光譜特性來“訓練”計算機，獲得識別各類地物的判別函數或模式，并以此對未知地區的像元進行分類處理，分別歸入到已知的類別中。 非監督分類：是在沒有先驗類別（訓練場地）作為樣本(yngbn)的條件下，即事先不知道類別特征，主要根據

2、像元間相似度的大小進行歸類合并（即相似度的像元歸為一類）的方法。第7頁/共62頁第八頁，共63頁。第8頁/共62頁第九頁，共63頁。第9頁/共62頁第十頁，共63頁。第10頁/共62頁第十一頁，共63頁。第11頁/共62頁第十二頁，共63頁。第12頁/共62頁第十三頁，共63頁。第13頁/共62頁第十四頁，共63頁。第14頁/共62頁第十五頁，共63頁。l收集現場信息(xnx)l在屏訓練數據多邊形選擇l在屏訓練數據的種子選擇第15頁/共62頁第十六頁，共63頁。第16頁/共62頁第十七頁，共63頁。第17頁/共62頁第十八頁，共63頁。獲取每個感興趣類在各波段上的訓練(xnlin)統計量后，必

3、須確定能最有效區分各種類的波段方法：統計分析方法圖形分析方法第18頁/共62頁第十九頁，共63頁。距離(jl)作為判別準則，根據像點到各類中心的距離(jl)來判別分類第19頁/共62頁第二十頁，共63頁。不同類別的灰度值的變化范圍即其方差的大小是不同的，不能簡單地用像元到類中心的距離來劃分像元的歸屬；自然地物類別的點群分布不一定是圓形或球形的，即在不同方向上半徑是不同的，因而距離的量度(lingd)在不同方向上應有所差異。K-最近鄰分類器 第20頁/共62頁第二十一頁，共63頁。第21頁/共62頁第二十二頁，共63頁。第22頁/共62頁第二十三頁，共63頁。第23頁/共62頁第二十四頁，共63

4、頁。輔助數據改進遙感輔助數據改進遙感(yogn)(yogn)分類的方法分類的方法l地理(dl)分層l分類器操作l分類后處理第24頁/共62頁第二十五頁，共63頁。遙感信息與非遙感信息的遙感信息與非遙感信息的復合復合(fh)(fh)遙感影像與地圖的復合 地圖影像化 影像地圖化DTM與遙感數據(shj)的復合遙感與地球物理、地球化學數據(shj)的復合第25頁/共62頁第二十六頁，共63頁。遙感信息與地球物理、化學數據遙感信息與地球物理、化學數據(shj)(shj)復合復合遙感信息-地表空間特征地球物理、地球化學特征-不同深度(shnd)地物的物理性質，如內部結構、物理組成、基層表面起伏l專題圖柵

5、格化l空間配準l構建信息表達模型(mxng)及提取方法第26頁/共62頁第二十七頁，共63頁。遙感信息與地球物理、化學遙感信息與地球物理、化學(huxu)(huxu)數數據復合據復合第27頁/共62頁第二十八頁，共63頁。第28頁/共62頁第二十九頁，共63頁。對象對象(duxing)對象對象(duxing)第29頁/共62頁第三十頁，共63頁。高空間分辨率影像SAR數據Lidar數據GIS矢量數據多尺度分析光譜、形狀、紋理特征庫模糊規則庫認知基元基元特征的定量化表達模糊邏輯推理信息提取結果決策知識庫地物知識庫數據層分析層基元層決策層結果層第30頁/共62頁第三十一頁，共63頁。選擇適當的尺度

6、，才能(cinng)有效、完整地提取信息 第31頁/共62頁第三十二頁，共63頁。鄰對象鄰對象(duxing)子對象子對象(duxing)父對象父對象第32頁/共62頁第三十三頁，共63頁。34多尺度影像分割首先通過初始分割將影像像元合并成較小的初始影像對象,然后通過多次循環(xnhun)將較小的影像對象合并成較大的多邊形對象第33頁/共62頁第三十四頁，共63頁。第34頁/共62頁第三十五頁，共63頁。36p對象對象(duxing)合并準則合并準則p在初始分割基礎上，通過在初始分割基礎上，通過將初始影像對象將初始影像對象(duxing)逐步合并為較大的對象逐步合并為較大的對象(duxing)

7、來實現多尺度對來實現多尺度對象象(duxing)的構建，對象的構建，對象(duxing)合并的停止條件合并的停止條件是由其尺度準則決定的是由其尺度準則決定的第35頁/共62頁第三十六頁，共63頁。37尺度尺度(chd(chd)為：為：16 16 平均平均面積：面積：867.6867.6尺度為：尺度為：32 32 平均平均(pngjn)(pngjn)面積：面積：2131.12131.1尺度為：尺度為：128 128 平均平均面積：面積：8274.88274.8尺度為：尺度為：256 256 平均面積：平均面積：3017130171第36頁/共62頁第三十七頁，共63頁。第37頁/共62頁第三十八

8、頁，共63頁。作操輯邏目標類2目標類3目標類n目標類1特征1特征2特征3特征m結果特征元c1c2c3c4表示對應目標類中所選擇的特征第38頁/共62頁第三十九頁，共63頁。第39頁/共62頁第四十頁，共63頁。第40頁/共62頁第四十一頁，共63頁。42第41頁/共62頁第四十二頁，共63頁。第42頁/共62頁第四十三頁，共63頁。1.R個輸入(shr)piR，即R維輸入(shr)矢量p2.n: net input, n=wp+b。3.R個權值wiR，即R維權矢量w4.閾值b5.輸出a=f(n), f: transfer function第43頁/共62頁第四十四頁，共63頁。第44頁/共62

9、頁第四十五頁，共63頁。教師神經網絡比較環境實際輸出輸入期望輸出誤差信號p(n)t(n)a(n)e(n)第45頁/共62頁第四十六頁，共63頁。第八章 人工神經網絡47u對于(duy)輸出層第k個神經元的實際輸出: ak(n)目標輸出: tk(n) 誤差信號: ek(n) = tk(n) - ak(n)目標函數為基于誤差信號ek(n)的函數，如誤差平方和判據(sum squared error, SSE)，或均方誤差判據(mean squared error, MSE, 即SSE對所有樣本的期望)SSEMSE第46頁/共62頁第四十七頁，共63頁。delta學習規則第47頁/共62頁第四十八頁，共63頁。第48頁/共62頁第四十九頁，共63頁。第49頁/共62頁第五十頁，共63頁。第50頁/共62頁第五十一頁，共63頁。u一個輸出單元(dnyun)對應一個類別，如果輸入訓練樣本的類別標號是i，則對應的目標輸出編碼為：第i個輸出節點為1，其余節點均為0第51頁/共62頁第五十二頁，共63頁。第52頁/共62頁第五十三頁，共63頁。第53頁/共62頁第五十四頁，共63頁。第54頁/共62頁第五十五頁，共63頁。第55頁/共62頁第五十六頁，共63頁。第56頁/共62頁第五十七頁，共63頁。第57頁/共62頁第五十八頁，共63頁。第58頁/共62頁第五十九頁，共63頁。第5