遥感图像信息提取分析

分分析后进行假彩色合成，由于去除了波段间的相 关性，不同地物区分的更加明显；还可以借助 Google Earth辅助解译
• 各个样本类型之间的可分离性要好
- 用Jeffries-Matusita,
Transformed Divergence 参数表示，这两个参数的值在0~2.0之间，大于1.9 说明样本之间可分离性好，属于合格样本；小于 1.8，需要重新选择样本；小于1，考虑将两类样本 合成一类样本
NDVI小于或等于0.3，波段4值小于20
ENVI/IDL
3.4 规则描述——表达式与变量
表达式 基本运算符 三角函数 部分可用函数 +、-、*、/ Sin、cos、tan asin、acos、 atan Sinh、cosh、 tanh…. slope aspect ndvi Tascap pc mnf lpc 其他符号 指数（^）、exp 对数alog 平方根（sqrt）、 绝对值（adb） …… Stdev Mean Min、max 变量 作用 计算坡度 计算坡向 计算归一化植被 指数 穗帽变换 主成分分析 最小噪声变换 局部主成分分析 标准差 平均值 最大、最小值
பைடு நூலகம்
ENVI/IDL
2.3 监督分类流程说明——分类后处理
• 分类后处理包括很多过程，都是些可选项，包括
更改类别颜色、分类统计分析、小斑点处理（分 类后处理）、栅矢转换等操作
ENVI/IDL
监督分类练习(一)
• 数据源 - 练习数据\1-监督分类\1-监督分类（Classic） • 分类
- 类别定义 - 样本选择 - 分类器选择
ENVI/IDL
2.3 监督分类流程说明——分类器选择
• 据分类的复杂度、精度需求等确定哪一种分类器 • 目前ENVI的监督分类可分为基于传统统计分析学
的，包括平行六面体、最小距离、马氏距离、最 大似然，基于神经网络的，基于模式识别，包括 支持向量机、模糊分类等，针对高光谱有波谱角 （SAM），光谱信息散度，二进制编码
ENVI/IDL
2.2 监督分类基本流程
类别定义/特征判别 样本选择
分类器选择 影像分类 分类后处理
平行六面体 最小距离 马氏距离 最大似然 波谱角 二进制编码 光谱信息散度 神经网络 支持向量机分类 模糊分类
结果验证
ENVI/IDL
2.3 监督分类流程说明——类别定义/特征判断
• 根据分类目的、影像数据自身的特征和分类区收
集的信息确定分类系统；
• 对影像进行特征判断，评价图像质量，决定是否
需要进行影像增强等预处理。
• 这个过程主要是一个目视查看的过程，为后面样
本的选择打下基础。
ENVI/IDL
2.3 监督分类流程说明——样本选择
• 样本选择是非常重要的过程，直接影响分类精度
• 在样本选择过程中，有很多辅助方法
- 可以显示不同的假彩色合成窗口，也可以进行主成
ENVI/IDL
2.1 监督分类定义
• 又称训练分类法，用被确认类别的样本像元去识
别其他未知类别像元的过程。
- 在分类之前通过目视判读和野外调查，对遥感图像
上某些样区中影像地物的类别属性有了先验知识， 对每一种类别选取一定数量的训练样本 - 计算机计算每种训练样区的统计或其他信息，同时 用这些种子类别对判决函数进行训练，使其符合于 对各种子类别分类的要求 - 用训练好的判决函数去对其他待分数据进行分类。 使每个像元和训练样本作比较，按不同的规则将其 划分到和其最相似的样本类，以此完成对整个图像 的分类
遥感图像信息提取
ENVI/IDL
主要内容
• 1、遥感信息提取技术概述 • 2、监督分类 • 3、基于专家知识的决策树分类
• 4、面向对象分类
• 5、地物识别和定量反演 • 6、动态监测 • 7、立体像对DEM提取
ENVI/IDL
1、遥感信息提取方法概述
ENVI/IDL
1.1 影像信息提取技术基础
对于中低分辨率的多光谱影像效果明显（小于 10米） 随着高分辨率影像的出现而发展起来的 定量信息提取，需要模型的支持，数据源有一 定要求 多时相影像支持 需要立体像对的支持
ENVI/IDL
基于专家知识的决策树分类 需要多源数据支持 面向对象分类方法 地物识别与地表反演 变化监测 地形信息提取
2、监督分类
3.2 专家知识的决策树分类基本步骤
知识（规则）定义
规则输入
决策树运行
分类后处理
ENVI/IDL
3.3 规则定义
• 规则获取：经验总结和样本总结 • 规则描述
- 类1：NDVI大于0.3，坡度大于或者等于20度 - 类2：NDVI大于0.3，坡度小于20度，阴坡 - 类3：NDVI大于0.3，坡度小于20度，阳坡 - 类4：NDVI小于或等于0.3，波段4值大于或等于20 - 类5：
• 遥感影像通过亮度值或像元值的高低差异（反映
地物的光谱信息）及空间变化（反映地物的空间 信息）来表示不同地物的差异，这是区分不同影 像地物的物理基础。
• 遥感影像分类就是利用计算机通过对遥感影像中
各类地物的光谱信息和空间信息进行分析，选择 特征，将图像中每个像元按照某种规则或算法划 分为不同的类别，然后获得遥感影像中与实际地 物的对应信息，从而实现遥感影像的分类，即信 息提取。
ENVI/IDL
1.2 遥感信息提取方法概述
基于专家知识 的决策树分类
面向对象特征 自动提取
地物识别与 地表反演
基于光谱计算 机自动分类
变化检测
人工解译
地形信息提取
ENVI/IDL
1.3 遥感信息提取方法——适用范围
方法 说明
人工解译
基于光谱的计算机分类
适用定性信息的提取，也就是在图像上通过肉 眼能分辨的信息
• 分类后处理
- 小斑快处理 - 栅矢转换
• 精度验证
ENVI/IDL
监督分类练习(二)
• 数据源 - 练习数据\1-监督分类\2-火烧迹地提\BurnALI_subset.dat” • 分类
- 类别定义 - 样本选择 - 分类器选择
• 分类后处理
- 小斑快处理 - 栅矢转换
• 精度验证
ENVI/IDL
3、基于专家知识的决策树分类
ENVI/IDL
3.1 专家知识的决策树分类基本原理
根据光谱特征、空间关系和其他上下文关系归类像元
陡坡上的植被 缓坡上的植被
+
+ +
DEM
Road Map Zoning Coverage Landcover Classification
+
高山植被
公园用地
ENVI/IDL