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(diào)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(shí)，以及有關(guān)地 物的專家知識(shí)，并結(jié)合其它非遙感數(shù)據(jù)資料進(jìn)行綜合分析和邏輯推理，從而能達(dá)到較高的專題信息提取的精度,尤其是在提取具有較強(qiáng)紋理結(jié)構(gòu)特征的地物時(shí)更是如此,它是目前 業(yè)務(wù)化生產(chǎn)的一門技術(shù),與非遙感的傳統(tǒng) *** 相比，具有明顯的優(yōu)勢(shì)。然而，該 *** 具有費(fèi)工費(fèi)時(shí)的特點(diǎn),例如，對(duì)于大區(qū)域綜合調(diào)查需要3年左右時(shí)間才能完成。在當(dāng)今 的信息社會(huì)，信息的時(shí)效性尤為重要,如對(duì)農(nóng)作物估產(chǎn)，我們需要在幾個(gè)月內(nèi)完成,對(duì)于災(zāi)害的監(jiān)測(cè)評(píng)估來說，我們更需要在數(shù)小時(shí)或數(shù)天內(nèi)完成。對(duì)于這樣的要求，就必須研究 遙感信息的自動(dòng)提取，以達(dá)到地物識(shí)別的智能化和自動(dòng)化,從而實(shí)現(xiàn)遙感信息直接進(jìn)入GIS，直接進(jìn)入數(shù)字地球。
基于分類 *** 的遙感信息自動(dòng)提取
在遙感信息自動(dòng)提取方面，分類 *** 的研究歷史最長(zhǎng)久,其核心是對(duì)遙感圖象的分割,其 *** 有無監(jiān)督分類和有監(jiān)督分類。就無監(jiān)督分類而言，有K-MEANS法，動(dòng)態(tài)聚類型 法，模糊聚類法，以及人工神經(jīng) *** 法；在有監(jiān)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(jīng) *** 法。更大似然法需要各類型的先驗(yàn)知識(shí)及其概率,特別是 需要假定各類型的分布屬于正態(tài)分布，因而它是一種有參數(shù)的分類器,在具有先驗(yàn)性概率知識(shí)以及各類型滿足正態(tài)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(yōu)點(diǎn)。模糊分類是根據(jù)模糊數(shù)學(xué)所構(gòu)建的一種分類器。它是建立在假設(shè)一個(gè)象元是由多個(gè)類型所組成的基礎(chǔ)上，只是各類型的隸屬度不同。在對(duì)分類器訓(xùn)練時(shí)，需 要確定訓(xùn)練樣本象元中，各類型的隸屬度，它不需要各類型的先驗(yàn)概率知識(shí),也不要求各類型服從正態(tài)分布，它是是一種無參數(shù)的分類器。但是對(duì)訓(xùn)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(jīng) *** 分類器是利用人工神經(jīng) *** 技術(shù)所構(gòu)造的分類器，人工神經(jīng) *** 是近幾年得到迅速發(fā)展的一門非線性科學(xué), 它是模擬生物神經(jīng) *** 的人工智能技術(shù),已廣泛地用于趨勢(shì)分析和模式識(shí)別以及遙感圖象的分類等方面。人工神經(jīng) *** 器不需要各類型的先驗(yàn)性概率知識(shí)，也不要 求各類型一定要服從正態(tài)分布，它是一中無參數(shù)的分類器。盡管利用分類器進(jìn)行分類時(shí)所需要的時(shí)間很短。但是在對(duì)分類器進(jìn)行訓(xùn)練時(shí)，所需要的時(shí)間卻很長(zhǎng)。 就無監(jiān)督分類而 言，其所分的結(jié)果，需要專家進(jìn)行判讀和類別的歸并，并最終確定其所需的類型。就有監(jiān)督分類而言，需要選取大量的訓(xùn)練樣區(qū)，而訓(xùn)練樣區(qū)的選取不僅費(fèi)工而且還很費(fèi)時(shí)，訓(xùn)練 樣區(qū)選擇的好壞直接影響分類的效果，同時(shí)，分類是對(duì)整個(gè)圖象進(jìn)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(shù)理統(tǒng)計(jì)基礎(chǔ)之上,而沒有建立在對(duì)遙感信息機(jī)理分析的基礎(chǔ)上，而沒有建立在知識(shí)挖掘的基礎(chǔ)上，這樣就使得它難以實(shí)現(xiàn)遙感圖象專題信息提取的全自動(dòng)化。
同時(shí)，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(shí)通常既不可傳遞，也難以解釋。這也是我們對(duì)所分結(jié)果知其然，而不知其所以然的原因。我們對(duì)任何時(shí)侯，任何 地點(diǎn)的圖象，都必須重復(fù)選取訓(xùn)練樣區(qū)的工作。這樣，顯然就大大限制了遙感信息提取的自動(dòng)化。為此，基于知識(shí)發(fā)現(xiàn)的遙感專題信息提取將成為另一個(gè)最有前途的方向。
添加微信好友, 獲取更多信息
復(fù)制微信號(hào)
來源：開源地理空間基金會(huì)中文分會(huì)
來源鏈接：https://www.osgeo.cn/post/216gg
本站聲明:網(wǎng)站內(nèi)容來源于 *** ,如有侵權(quán),請(qǐng)聯(lián)系我們,我們將及時(shí)處理。
