遥感图像分类处理:监督与非监督方法
需积分: 50 169 浏览量
更新于2024-08-09
收藏 2.74MB PDF 举报
"遥感数字图像的分类处理-algorithms.s..dasgupta.c.h..papadimitriou.u.v..vazirani.mgh.2008"
遥感数字图像的分类处理是遥感技术中的核心环节,其主要目标是通过分析图像中像元的电磁波谱特性,实现地物的自动识别。这个过程涉及到数学和计算机科学的算法,可以视为对模式或数组的分类和识别问题。遥感图像分类通常分为监督分类和非监督分类两种方法。
监督分类是一种基于已知样本的分类方式,首先选择具有代表性的训练区,获取这些区域地物的光谱特征作为训练数据。这些数据用于训练计算机,形成判别模式或判别函数。例如,如果训练区包含地物M1、M2、M3,我们会统计它们在不同波段的均值和标准差。然后,根据这些统计特征,我们可以构建分类器,比如最小距离法或相似判别法。分类器确定了地物类别的中心特征值(参数)和分布范围(阈值),使得计算机能够将未知像元分配到最接近的类别。分类完成后,还需要对分类结果进行精度检验,确保分类器的准确性。
非监督分类则在缺乏已知类别信息的情况下进行,主要依赖于像元数值自身的统计规律来归纳出类别。这种方法不依赖于预先定义的训练样本,而是通过聚类算法发现图像中的自然群体,从而识别出潜在的地物类别。
遥感图像处理与地理信息系统的结合进一步增强了分类的效果。遥感图像处理包括图像增强、辐射校正、几何校正等预处理步骤,有助于提高分类的准确性和可靠性。而地理信息系统则提供了空间分析工具,可以帮助整合遥感数据与其他地理数据,为决策提供支持。
该资源可能是高等师范院校地理专业的一本教材,旨在介绍遥感技术的基本理论和应用。全书内容覆盖遥感的物理基础、航空遥感、航天遥感、遥感图像处理和地理信息系统等多个方面,适用于本科和专科师生,以及相关领域的专业人员参考。教材经过修订,融入了最新的遥感技术成果,以满足教学需求并反映学科的最新发展水平。
2013-05-01 上传
2011-10-10 上传
2010-01-06 上传
2023-04-27 上传
点击了解资源详情
点击了解资源详情
点击了解资源详情
点击了解资源详情
点击了解资源详情
淡墨1913
- 粉丝: 32
- 资源: 3831
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手