目視判讀提取
早期從遙感影像中提取信息的主要 *** 是目視判讀提取。由于目視判讀能綜合利用地物的色調或色彩、形狀、大小、陰影、紋理、圖案、位置和布局等影象特征知識，以及有關地 物的專家知識，并結合其它非遙感數據資料進行綜合分析和邏輯推理，從而能達到較高的專題信息提取的精度,尤其是在提取具有較強紋理結構特征的地物時更是如此,它是目前 業務化生產的一門技術,與非遙感的傳統 *** 相比，具有明顯的優勢。然而，該 *** 具有費工費時的特點,例如，對于大區域綜合調查需要3年左右時間才能完成。在當今 的信息社會，信息的時效性尤為重要,如對農作物估產，我們需要在幾個月內完成,對于災害的監測評估來說，我們更需要在數小時或數天內完成。對于這樣的要求，就必須研究 遙感信息的自動提取，以達到地物識別的智能化和自動化,從而實現遙感信息直接進入GIS，直接進入數字地球。
基于分類 *** 的遙感信息自動提取
在遙感信息自動提取方面，分類 *** 的研究歷史最長久,其核心是對遙感圖象的分割,其 *** 有無監督分類和有監督分類。就無監督分類而言，有K-MEANS法，動態聚類型 法，模糊聚類法，以及人工神經 *** 法；在有監督分類方面，有最小距離法、更大似然法，模糊分類法以及人工神經 *** 法。更大似然法需要各類型的先驗知識及其概率,特別是 需要假定各類型的分布屬于正態分布，因而它是一種有參數的分類器,在具有先驗性概率知識以及各類型滿足正態分布的條件下,它具有較好的分類效果，該分類器具 有分類速度快的優點。模糊分類是根據模糊數學所構建的一種分類器。它是建立在假設一個象元是由多個類型所組成的基礎上，只是各類型的隸屬度不同。在對分類器訓練時，需 要確定訓練樣本象元中，各類型的隸屬度，它不需要各類型的先驗概率知識,也不要求各類型服從正態分布，它是是一種無參數的分類器。但是對訓練象元中各類型隸 屬度的確定比較困難。該 *** 適用于亞象元信息的提取。
人工神經 *** 分類器是利用人工神經 *** 技術所構造的分類器，人工神經 *** 是近幾年得到迅速發展的一門非線性科學, 它是模擬生物神經 *** 的人工智能技術,已廣泛地用于趨勢分析和模式識別以及遙感圖象的分類等方面。人工神經 *** 器不需要各類型的先驗性概率知識，也不要 求各類型一定要服從正態分布，它是一中無參數的分類器。盡管利用分類器進行分類時所需要的時間很短。但是在對分類器進行訓練時，所需要的時間卻很長。 就無監督分類而 言，其所分的結果，需要專家進行判讀和類別的歸并，并最終確定其所需的類型。就有監督分類而言，需要選取大量的訓練樣區，而訓練樣區的選取不僅費工而且還很費時，訓練 樣區選擇的好壞直接影響分類的效果，同時，分類是對整個圖象進行分割，它所要求的是總體的精度更高，這樣就不可能完全能保證我們所需專題信息的精度一定更高。分類是建 立在數理統計基礎之上,而沒有建立在對遙感信息機理分析的基礎上，而沒有建立在知識挖掘的基礎上，這樣就使得它難以實現遙感圖象專題信息提取的全自動化。
同時，基于光 譜特征的分類難以解決異物同譜的問題。在分類中所獲取到的知識通常既不可傳遞，也難以解釋。這也是我們對所分結果知其然，而不知其所以然的原因。我們對任何時侯，任何 地點的圖象，都必須重復選取訓練樣區的工作。這樣，顯然就大大限制了遙感信息提取的自動化。為此，基于知識發現的遙感專題信息提取將成為另一個最有前途的方向。
添加微信好友, 獲取更多信息
復制微信號
來源：開源地理空間基金會中文分會
來源鏈接：https://www.osgeo.cn/post/216gg
本站聲明:網站內容來源于 *** ,如有侵權,請聯系我們,我們將及時處理。
