基于envi4.1 的遥感图像数字处理研究(3)

解译与决策的可靠性及系统的自动化程度的技术。图像融合一般可分为像素级，特征级和决策级三个等级。在数据融合前必须进行图像几何校正与配准。影像配准是数据融合处理中的关键步骤，其儿何配准精度直接影响融合影像的质量。遥感图像的融合算法有基于田S(In旬nsity Hue Saturation)变换、主分量变换、比值变换、乘法变换及其小波变换的融合方法。对融合结果进行评价是有必要的。评价方法有定性评价和定量评价两种。定性评

价主要以目视判读为主，可以根据图像融合前后的对比作出定性评价。定量评价从融合图像的信息量和分类精度两方面进行评价。为了获得某一地区的三维景观图像，按照观察者的设定进行动态漫游和观察，将

遥感图像和相应的DEM(D暇时 Elevation蜘del)复合即可生成具有真实感的三维景观。

第四节遥感图像计算机分类2.4.1统计模式识别原理与基本过程计算机遥感图像分类是统计模式识别技术在遥感领域中的具体应用。统计模式识别的关键是提取待识别模式的一组统计特征，然后按照一定准则作出决策，从而对数字图像予以识别。遥感图像分类的主要依据是地物的光谱特征，即地物电磁波辐射的多波段测量值，这些测量值可以用作遥感图像分类的原始特征变量。然而，就某些特定地物的分类而言，多波段影像的原始亮度值并不能很好地表达类别特征，因此需要对数字图像进行运算处理(如比值处理、差值处理、主成分变换以及K一T变换等),

以寻找能有效描述地物类别特征的模式变量，然后利用这些特征变量对数字图像进行分类。分类是对图像上每个像素按照亮度接近程度给出对应类别，以达到大致区分遥感图像中多种地物的目的。

遥感图像计算机分类的依据是遥感图像像素的相似度。相似度是两类模式之间的相似程度。在遥感图像分类过程中，常使用距离和相关系数来衡量相似度。

遥感图像的计算机分类方法包括监督分类和非监督分类。 2.4.2监督分类监督分类方法首先需要从研究区域选取有代表性的训练场地作为样本。根据己知训练区提供的样本，通过选择特征参数(如像素亮度均值、方差等),建立判别函数，7

基于四、ri4.1的遥感图像数字处理研究

据此对数字图像待分像元进行分

类，依据样本类别的特征来识别非样本像元的归属类别。这种方法称为监督分类。监督分类包括利用训练区样本建立判别函数的"学习"过程和把待分像元代入判

别函数进行判别过程。监督分类中常用的具体分类方法包括: 1.最小距离分类法，最小距离分类法原理简单，分类精度不高，但计算速度快，它可以在快速浏览分类概况中使用。 2.多级切割分类法，多级分割法分类便于直观理解如何分割特征空间，以及待分类像素如何与分类类别相对应。 3.特征曲线窗口法，特征曲线窗口法可以根据不同特征进行分类，如利用标准

地物光谱曲线的位置(皿)、反射峰或谷的宽度和峰值的高度作为分类的识别点，给定误差容许范围，分别对每个像素进行分类;或者利用每一类地物的各个特征参数上、下限值构造一个窗口，判别某个待分像元是否落入该窗口，只要检查该像元各特征参数值是否落入到相应窗口之内。特征曲线窗口法分类的效果取决于特征参数的选择和窗口;大小。各特征参数窗口大小的选择可以不同，它要根据地物在各特征参数空间里的分布情况而定。

4.最大似然分类法，最大似然分类法(m缸llnum likelih∞d classifier)是经常使用的监督分类方法之一，它是通过求出每个像素对于各类别归属概率，把该像素分到归属概率最大的类别中去的方法。最大似然比分类法在多类别分类时，常采用统计学方法建立起一个判别函数集，然后根据这个判别函数集计算各待分像元的归属概率。这里，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。

2.4.3

非监督分类非监督分类是在没有先验类别(训练场地)作为样本的条件下，即事先不知道类别

特征，主要根据像元间相似度的大小进行归类合并(将相似度大的像元归为一类)的

方法。

非监督分类的前提是假定遥感影像上同类物体在同样条件下具有相同的光谱信息特征。非监督分类方法不必对影像地物获取先验知识，仅依靠影像上不同类地物光

谱信息(或纹理信息)进行特征提取的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的实地属性进行确认。非监督分类主要采用聚类分析方法，聚类是把一组像素按照相似性归成若干类别，即"物以类聚"。它的目的是使得属于同一类别

的像素之间的距离尽可能的小而不同类别上的像素间的距离尽可能的大。常用的方法有2

1.分级集群法分级集群法采用"距离"评价各样本(每个像元)在空间分布的相似程度，把它们分布分割或者合并成不同的集群。每个集群的地理意义需要根据地面调查或者与已知类型的数据比较后方可确定。2.

动态聚类法

8

基于四、ri4.1的遥感图像数字处理研究

在初始状态给出图像粗糙的分类，然后基于一定原则在类别间重新组合其样本，直到分类比较合理为止，这种聚类方法就是动态聚类。 Is阳Data方法在动态聚类法中具有代表性。

监督分类和非监督分类的根本区别点在于是否利用训练场地来获取先验的类别知识，监督分类根据训练场提供的样本选择特征参数、建立判别函数，对待分类点进行分类。非监督分类不需要更多的先验知识，它根据地物的光谱统计特性进行分类。因此，非监督分类方法简单，且分类具有一定的精度。 2.4.4图像分类的有关问题遥感图像计算机分类算法设计的主要依据是地物光谱数据。因此，它存在着如下的问题 z 1.图像分类仅利用了地物光谱特征，未能充分利用遥感图像提供的多种信息:2.提高遥感图像分类精度受到限制，主要受大气状况的影响，下垫面的影响和

其它因素的影响。

9

基于四、ri4.1的遥感图像数字处理研究

第三章 ENVI遥感图像处理软件介绍E阳I是一套功能齐全的遥感图像处理系统，是处理、分析并显示多光谱数据、高光谱数据和雷达数据的高级工具。 1.强大的影像显示、处理和分析系统 E阳I包含齐全的遥感影像处理功能:常规处理、几何校正、定标、多光谱分析、高光谱分析、雷达分析、地形地貌分析、矢量应用、神经网络分析、区域分析、 GPS联接、正射影象图生成、三维图像生成、丰富的可供二次开发调用的函数库、制图、数据输入/输出等功能组成了图像处理软件中非常全面的系统。 E阳I对于耍处理的图像波段数没有限制，可以处理最先进的卫星格式，如 Landsat7、 IKONOS、 SPOT、 RADARSAT、 NASA、 NOAA、 EROS和TERRA,并准备接受未来所有传感器的信息。 2.强大的多光谱影像处理功能E阳I能够充分提取图像信息，具各全套完整的遥感影像处理工具，能够进行文

件处理、图像增强、掩膜、预处理、图像计算和统计，完整的分类及后处理工具，及图像变换和滤波工具、图像镶嵌、融合等功能。 ENVI遥感影像处理软件具有丰富完

备的投影软件包，可支持各种投影类型。同时， ENVI还创造性地将一些高光谱数据

处理方法用于多光谱影像处理，可更有效地进行知识分类、土地利用动态监测。3.更便捷地集成栅格和矢量数据 E阳I包含所有基本的遥感影像处理功能，如=校正、定标、波段运算、分类、对比增强、滤波、变换、边缘检测及制图输出功能，并可以加注汉字。 ENVI具有对遥感影像进行配准和正射校正的功能，可以给影像添加地图投影，并与各种GIS数据

套舍。 ENVI的矢量工具可以进

行屏 …… 此处隐藏：2958字，全部文档内容请下载后查看。喜欢就下载吧 ……