图象处理_图象处理入门_图象处理(3)

分析分类。在遥感图像的实际使用中。常常需要从大量图像数据中提取特定用途的信息。

这称为特征提取。常常还需要进行分类和类聚处理。以识别地物类型。多光谱图像数据包含多个波段。数据量较大。当复合使用时数据量更大。往往难于直接使用。实际上各波段图像之间虽有差别。但也存在一定的相关关系。例如。明亮的物体反射的电磁波强度在各波段上虽有差别。但都比阴暗的物体反射的电磁波强度大。主成分分析法是用各波段图像数据的协方差矩阵的特征矩阵进行多波段图像数据的变换。

以消除它们之间的相关关系。把大部分信息集中在第一主成分。部分信息集中在第二主成分。少量信息保留在第三主成分和以后各成分的图像上。因此。前面几个主成分就包含了绝大部分信息。主成分分析法有时称为K－L变换。信息过分集中的主成分图像往往并不一定有利于分析应用。用计算机分类时。多光谱图像数据的波段数目越多。计算量就越大。对指定类别的分类常用各类别样区间的分离度作为指标。从已有波段中选取最佳的几个波段组合来进行分类。

以尽可能少的波段来获得尽可能好的分类效果。这是另一种特征提取方法。在农。林等遥感应用中。还可通过各波段图像间的算术运算或矩阵变换来得到能反映植物长势和变异的信息。多光谱图像数据的计算机分类。通常是建立在不同地物在各波段反射的电磁波强度差别的基础上的。若以各波段接收到的电磁波强度为坐标。则n个波段可形成n维波谱空间。各波段上同一像元对应于N维空间的一个点,而同类地物可形成一个点集。计算机分类的基本原理在于把波谱空间中的点集区分开来。

常用的分类方法有监督分类法和无监督分类法两种。根据已知地物。选择各类别的训练区。计算各训练区内像元的平均灰度值。以此作为类别中心并计算其协方差矩阵。对于图像各未知像元。则计算它们和各类别中心的距离。当离开某类别中心的距离最近并且不超过预先给定的距离值时。此像元即被归入这一类别。当距离超过给定值时。此像元归入未知类别。最大似然率法是常用的监督分类法。根据各波段图像像元灰度分布的统计量。设定N个均值平均分布的类别中心。

计算每个像元离开各类别中心的距离。并把它归入距离最近的一类。所有像元经计算归类后算出新的类别中心。然后再计算各个像元离开新类别中心的距离。并把它们分别归入离开新类别中心最近的一类。所有像元都重新计算归类完毕后。又产生新的类别中心。这样迭代若干次。直到前后两次得到的类别中心之间的距离小于给定值为止。根据像元在波谱空间的位置来分类。但不考虑地物在图像上的形状。纹理分析法是根据周围各像元的分布作为确定这个像元类别的一种方法。

它也是一种较实用的分类方法。遥感图像的一个像元中。往往包含多种地物。不同的地物也可能有相近的波谱特性。加上各种噪声。使计算机分类的准确度受到一定的限制。除研制和改进遥感器和分类方法外。使用多时相和多种遥感数据并与有关的配合。可有效地提高分类的准确度。

优点介绍。1.再现性好数字图像处理与模拟图像处理的根本不同在于。

它不会因图像的存储。传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿。则数字图像处理过程始终能保持图像的再现。 2．处理精度高按。几乎可将一幅模拟图像数字化为任意大小的二维数组。这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高。这意味着图像的数字化精度可以达到满足任一应用需求。

对计算机而言。不论数组大小。也不论每个像素的位数多少。其处理程序几乎是一样的。换言之。从原理上讲不论图像的精度有多高。处理总是能实现的。只要在处理时改变程序中的数组参数就可以了。回想一下图像的模拟处理。为了要把处理精度提高一个数量级。就要大幅度地改进处理装置。这在经济上是极不合算的。3．适用面宽图像可以来自多种信息源。它们可以是可见光图像。也可以是不可见的波谱图像。从图像反映的客观实体尺度看。可以小到电子显微镜图像。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-38168-3.html