遥感原理与应用第8章 遥感作业.pdf

遥感原理与应用第8章遥感作业

遥感原理与应用第8章遥感作业

第八章遥感图像自动识别分类

名词解释：遥感技术图像自动分类光谱特征向量特征空间特征转换特征选择kl转换
哈达玛转换kt转换判别函数辨别规则错分概率最小似然法分类最轻距离法分类监督分类
非监督分类k均值聚类混为一谈矩阵用户精度制图精度

1、遥感图像自动分类：采用决策理论或统计方法，按照决策理论方法，需要从被识
别的模式中提取一组反映模式属性的量测值，称之为特征，并把模式特征定义在一个特征
空间中，进而利用决策的原理对特征空间进行划分。2、光谱特征向量：同名地物点在不
同波段图像中亮度的观测量构成一个多维的随机向量x，称为光谱特征向量。

3、特征空间：传感器接收器输入的就是一组n个测量值，这一组几个测量值可以看
作就是n维空间，称作特征空间。

4、特征变换：是将原有的m个测量值集合并通过某种变换，产生n个（n<=m）新的
特征，这种方法称为特征变换。

5、特征选择：从旧有的m个测量值子集中，按某一准则挑选出来n个特征。6、kl转
换：就是一种线性变换，就是就均方误差最轻来说的最佳正交变换。能将原来多个波段中
的有价值信息尽量分散至数目尽可能少的特征图像组中去，达至数据压缩的目的，同时也
能够并使代莱特征图像之间互不有关，并使代莱特征图像涵盖的信息内容不重合减少类别
的可分性。

7、哈达玛变换：利用哈达玛矩阵作为变换矩阵新实施的遥感多光谱域变换。8、kt变
换：又称穗帽变换，是一种线性特征变换。将mss影像通过k-t变换得到不同地物类别的
分量值，形成的图形像一个穗帽。

9、判别函数：各个类别的辨别区域确认后，某个特征矢量属哪个类别可以用一些函
数去则表示和辨别，这些函数就称作判别函数。10、

判别规则：当计算完某个矢量在不同类别判别函数中的值后，我们要确

定该矢量属某类就必须得出一个推论的依据。如若获得函数值最小则该矢量属最大值
对应的类别，这种推论的依据我们称作辨别规则。11、

错分概率：是类别判别分界两侧做出不正确判别的概率之和。

12、最小似然法分类：根据概率判别函数和贝叶斯辨别规则去展开的分类表示

为最大似然法分类。13、
最轻距离法分类：基于距离判别函数和辨别规则在实践中以此为原理的

分类方法称为最小距离分类法。14、

监督分类：就是基于我们对遥感技术图像上样本区内地物的类别未知，于是可以

以利用这些样本类别的特征作为依据来识别非样本数据的类别。15、

非监督分类：就是指人们事先对分类过程不施予任何的先验科学知识，而单凭

遥感影像地物的光谱特征的分布规律，即自然聚类的特性进行“盲目”的分类。16、

k-均值聚类：聚类准则就是并使每一聚类中，多模式点至该类别的中心的距

离的平方和最小，基本思想是通过迭代逐次移动各类的中心，直至得到最好的聚类结
果为止。17、

混为一谈矩阵：对检核分类精度的样区内所有像是元，统计数据其分类图中的类别

与实际类别之间的混淆程度，比较结果用表格的方式列出来，这个表格我们称之为混
淆矩阵。18、19、

用户精度：恰当分类的像是元个数与所有分成该类总个数的比值。制图精度：恰当分
类的像是元个数与参照数据中该类的个数之比。

问答题：

1、什么叫做特征空间？地物在特征空间聚类存有哪些特性？

为了度量图像中地物的光谱特征，建立一个以各波段图像的亮点分布的为子空间的多
维光谱特征空间。

特征：1）相同地物由于光谱特征相同，将原产在特征空间的相同边线。

2）同类地物的各取样点在光谱特征空间中的特征点将不可能只表现为

同一点，而是构成一个相对涌入的点集群，相同类地物的点集群在特征空间内通常就
是相互拆分的。

3）地物在特征空间的聚类通常用特征点分布的概率密度函数表示。

2、表明遥感技术影像主分量转换及其在遥感技术中的主要促进作用。

主分量变换是一种线性变换，是就均方误差最小来说的最佳正交变换，是在统计特征
的基础上的线性变换。

促进作用：主分量转换能把原来多个波段中的有价值信息尽量分散至数目尽可能
少的特征图像组中去，达到压缩的目的。同时使新特征图像之间互不相关，也就是使
新特征图像包含的信息内容不重叠，增加类别的可分性。3、为什么要进行特征选择？列
举几种特征选择的主要方法和原理。

在遥感技术图像自动分类过程中，不仅采用完整遥感技术图像展开分类，还采用多种
特征转换之后的影像，我们总期望用最少的影像数据达至最出色的分类效果，这样就须要
在这些特征图像中挑选一组最佳的特征影像展开分类，这就是特征选择。挑选方法：1）
距离测度法

距离是最基本的类别可分性测度，如果所选择的一组特征能使感兴趣类别的类内距离
最小而与其他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