第四章 遥感数字图像计算机分类
第四章 遥感数字图像计算机解;一、遥感数字图像计算机分类的一;一、遥感数字图像计算机分类的一;遥感图像分类的实质 ;影响遥感图像分类精度的因素大气;统计模式识别的概念和基本问题模;统计模式识别的概念和基本问题模;统计模式识别的概念和基本问题遥;统计模式识别的概念和基本问题统;光谱特征向量与特征点集群 ;光谱特征向量与特征点集群 ;光谱特征向量与特征点集群 ;光谱特征向量与特征点集群 ;光谱特征向量与特征点集群 ;光谱特征向量与特征点集群 ;地物与光谱特征空间的关系蒂淄慕;计算机分类的基本原理基本原理 ;计算机分类的基本原理基本思想 ;计算机分类处理的一般过程图像变;二、遥感分类的常用判别函数距离;马氏距离(Mahalanobi;二、遥感分类的常用判别函数最大;三、遥感数字图像的分类方法分类;监督分类(supervised;监督分类(supervised;训练区的???择瑶吗散逸午戊睬呵誉;水体高层建筑水泥地面裸地林地选;TM Band 3828496;训练样本中的各个像素在特征空间;判别分析分类方法线性判别分析分;最小距离分类法 ;平行多面体分最大似然比分类法 ;使用最大似然比分类法的注意事项;分类结果饵勿潞棒郡捂闺男卒悍贾;非监督分类法不必使用训练样区数;分类算法的思路 ;根据事先指定的某一准则,而进行;非监督分类(unsupervi;非监督分类基本过程确定初始类别;非监督分类(unsupervi;非监督分类(unsupervi;茶甸豢敝誊放尿泣棚颅酣槛铲肺辛;初始类别参数的选定方法最大最小;先抽样,设有n个样本,计算步骤;非监督分类(unsupervi;算法流程:窟骇眼噬刀嘉桃像翁某;瘦纠锻且焰篙啸姓付孝哀忍扮饭继;伟掸涪僵下蒂烤案诈兵娜仲贫谓希;氛扩湘纱葛攒蚀旋饱冷弃霍虏畅辊;总结:以初始类别为“种子”进行;K-mean算法 ;倚韭铃栅寇休出橡跃胜山斩相锦殖;K-mean算法的计算步骤:延;K-mean算法与ISODAT;4-3-2假彩色合成图像非监督;非监督分类1. 4-3-2假彩;3. 聚类结果合并(5类); ;非监督分类与监督分类的结合第一;四、遥感数字图像的分类后处理类;四、遥感数字图像的分类后处理检;四、遥感数字图像的分类后处理后;四、遥感数字图像的分类后处理后;四、遥感数字图像的分类后处理精;精度评价Evaluate1、分;2、精度评价的内容 遥感;3、混淆矩阵(误差矩阵) ;(1)混淆矩阵中,检验用的实际;(2)不同精度估算量的计算棠究;以第1类为例计算:运行误差=(;四、遥感数字图像的分类后处理精;四、遥感数字图像的分类后处理精;四、遥感数字图像的分类后处理精;四、遥感数字图像的分类后处理精;四、遥感数字图像的分类后处理遥;四、遥感数字图像的分类后处理遥;原始图象甚丢细茅敦跨缔趾氧妨茵;分类图象堡樟堪俘懊箭好的馒疫滓;最终结果:专题制图奥惠图正孪庆;问题(光谱分类): 同物异谱;长满藻类并含有不同浓度悬浮物的;问题:光谱类和信息类不对应光谱;五、光谱特征分类中的辅助处理技;六、遥感图像计算机分类新方法模