会计学§1、数字图像的性质(xìngzhì)和特点§1、数字图像的性质(xìngzhì)和特点§1、数字图像的性质(xìngzhì)和特点§1、数字图像的性质(xìngzhì)和特点§1、数字图像的性质(xìngzhì)和特点§2、遥感图像(túxiànꞬ)的计算机分类一、分类原理与基本(jīběn)过程☆统计可分性的量度（全局统计和局部统计）：(1)空间(kōngjiān)距离–表示类与类之间的差异,通常用欧氏距离或马氏距离来描述。(P194)☆统计可分性的量度(liángdù)（全局统计和局部统计）：(1)空间距离–表示类与类之间的差异,通常用欧氏距离或马氏距离来描述。(P194)(2)相似系数-表示(biǎoshì)类与类之间的相似程度。一、分类(fēnlèi)原理与基本过程二、图像分类(fēnlèi)方法二、图像(túxiànɡ)分类方法（1）最小距离(jùlí)分类法最小距离(jùlí)法示意图最近(zuìjìn)邻域分类法（2）多级切割(qiēgē)分类法（3）最大似然比分类法（MLC）设从类别k中观测(guāncè)到x的条件概率为p(x|k)，则归属概率Lk为特征(tèzhēng)曲线是地物光谱特征(tèzhēng)曲线参数构成的曲线。以特征(tèzhēng)曲线为中心取一个条带，构造一个窗口，凡是落在此窗口内的地物即被认为是一类，反之，则不属于该类。☆监督分类小结(1)概念:监督是指人为干预下的训练样本选取过程。依据训练样本的亮度特征建立“判别函数”，进行预分类；再依据预分类结果，调整训练样本，再分类，取得好的分类结果的过程，称为(chēnɡwéi)监督分类。(2)训练区的实际意义:获得建立判别函数所必须的统计量。这些统计参数包括----均值、方差、协方差。(3)监督分类的关键----训练样本的选取Ａ、样本数:如果特征空间(波段数)的维数是n，则预分类的样本数一定要>n+1,甚至可以达到3n。B、代表性:训练样本应该反映该类地物的亮度特征；且需注意同类地物空间分布的不连续性。(如多块同类样本都要选取)Ｃ、亮度分布：从亮度特征角度而言，对于同一类地物具有不同亮度特征情况，通常都要选取（同物异谱）。Ｄ、纯度的把握：一般来说，在已知类别的中间部位较高；如果过纯，则方差过小，导致许多此类地物的像元被拒分；如果不纯，则方差过大，导致不是此类地物的像元被分到该类别中，导致出现“错分”的情况；把握纯度的方法：读像元的亮度值，确定该类地物的亮度分布区间；同时，注意其它地物亮度值与其近似部分的像元亮度分布区间，依“错分损失最小”的原则，确定“分类(fēnlèi)界限”。(P199)(1)前提：假定遥感影像上同类地物在同样条件下具有相同的光谱特征。(2)分类原理：不必对影像地物有先验(xiānyàn)知识，仅依据影像上各类地物光谱信息（或纹理信息）进行特征提取，再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进行确认。同类地物有其一定的聚集空间，多个类别在直方图上有很多峰值及对应的众数灰度值，在不同(bùtónɡ)众数附近的灰度空间形成的点群，叫集群。分级集群方法是采用距离评价各样本（每个像元）在空间分布的相似程度，把它们的分布分割或合并成不同(bùtónɡ)的集群。每个集群是什么地类，要根据地面调查或已知类型的数据比较后确定。分级(fēnjí)集群法的分类过程：2）动态(dòngtài)聚类法2）计算像素(xiànꞬsù)与初始类别中心的距离，把该像素(xiànꞬsù)分配到最近的类别中。3）计算并改正重新组合的类别中心，如果重新组合的像素(xiànꞬsù)数小于最小允许值，则取消该类，总数减1。当类别中心距离小于阈值，类间距离大于阈值，聚类完成。☆非监督分类与监督分类的结合通常非监督分类做为监督分类的前导；如果监督分类的最终结果要８类，那么做非监督分类时致少要１２类。以此保证分类的纯度，因为方差小，错分的可能性也小。☆分层分类(或决策树)逐层次地建立特征空间，逐步分类，达到预期的分类目的(mùdì)。一般来说，分层分类的识别精度较高。非监督分类(fēnlèi)与监督分类(fēnlèi)的比较P201图像分类的有关(yǒuguān)问题(P201)4、遥感图像(túxiànꞬ)多种特征的抽取1)对数字图像进行增强处理；2)对图像进行二值化处理(黑白或01)；3)将图像中的像元分为线状地物与背景；4)噪声去除从而获得初始线状地物图。5)逐行扫描，寻找代表线状地物的像素，根据像素的多寡(duōguǎ)，计算线状地物的宽度；6)剥皮细化留下骨干像素；7)重复5-6步地物形状特征(tèzhēng)的描述地的空间(kōngjiān)关系特征描述5、遥感图像(túxiàn