地物光谱特征与遥感数字图像信息提取ppt课件.ppt

3.3.2遥感数字图像处理3.3.2遥感数字图像处理3.3.2遥感数字图像处理TM7416.2遥感数字图像的计算机分类欧氏距离:马氏距离:三、遥感数字图像的分类方法 从研究区域选取有代表性的训练区作为样本。根据已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，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。1.最小距离分类法最小距离分类法2.多级切割分类法3.特征曲线窗口4、最大似然法最大似然法原始图象总结：
监督分类中，训练样本的质量决定了分类样本精度，用于图象分类的训练区的统计结果，一定要充分反映每种信息类型中光谱类别的所有组成。
样本的采集要具有代表性、完整性，尽量采集多个样区。 根据事先指定的某一准则，而进行计算机自动判别归类，无须人为干预，分类后需确定地面类别。在非监督分类中，先确定光谱可分的类别，然后定义它们的信息类。常用非监督分类方法1、K-mean处理流程2、ISODATA(迭代自组织数据分类)分类过程原始的聚类中心第2次迭代后的类别分布TM4-3-2假彩色合成图像4-3-2假彩色合成图象(香港九龙)分类结果(10类)结果合并(5类)最终结果(类别颜色改变)(三)遥感图像分类中的若干问题（四）其它的一些方法3.4遥感数字图像信息定量反演