本文目录一览

1，什么是最大似然法多光谱图像分类

最大似然法是一种统计方法，它用来求一个样本集的相关概率密度函数的参数。不同类型的地物具有不同的反射光谱, 在多维光谱空间中构成不同的特征向量, 这便是我们利用多光谱图像区分地物的物理依据。多光谱图像分类的精度受到多种因素的影响, 如模式样本集的数据结构、分类特征的提取、距离测度、分类准则、分类数目等。
最大似然分类，是指在两类或多类判决中，假定各类分布函数为正态分布，并选择训练区，用统计方法根据最大似然比贝叶斯判决准则法建立非线性判别函数集，计算各待分类样区的归属概率，而进行分类的一种图像分类方法。
多光谱即我们平常接触最多的遥感影像,一般由数个一直数十个波段组成,且这些波段大多处于可见光区域；高光谱,即hyperspectral 遥感,主要指光谱分辨率高(

什么是最大似然法多光谱图像分类

2，在计算机领域中图像分为哪两大类

一、图像空间的分类方法—利用图像的灰度,颜色,纹理,形状,位置等底层特征对图像进行分类 二、特征空间的分类方法—首先将原图像经过某种变换如K-L变换,小波变换等变换到特征空间,然后在特征空间提取图像的高层特征以实现图像的分类.这类分类方法尤以纹理图像分类和遥感图像分类最多
在计算机领域中图像分为位图、矢量图两大类。位图，也叫做点阵图，删格图象，像素图，简单的说，就是最小单位由象素构成的图，缩放会失真。 点阵图的文件类型很多，如*.bmp、*.pcx、*.gif、*.jpg、*.tif、photoshop的*.pcd、kodak photo cd的*.psd、corel photo paint的*.cpt等。同样的图形，存盘成以上几种文件时文件的字节数会有一些差别，尤其是jpg格式，它的大小只有同样的bmp格式的1/20到1/35。将这个位图的图片放大，就会失真。矢量图，也叫做向量图，采用线条和填充的方式，可以随意改变形状和填充颜色，无论放大或缩小都不会失真，flash动画大多使用矢量图做的。 矢量图形格式也很多，如adobe illustrator的*.ai、*.eps和svg、autocad的*.dwg和dxf、corel draw的*.cdr、windows标准图元文件*.wmf和增强型图元文件*.emf等等。

在计算机领域中图像分为哪两大类

3，bagoffeature是一种图像分类方法具体翻译成中文是什么啊急求

最初的Bag of words，也叫做“词袋”，在信息检索中，Bag of words model假定对于一个文本，忽略其词序和语法，句法，将其仅仅看做是一个词集合，或者说是词的一个组合，文本中每个词的出现都是独立的，不依赖于其他词 是否出现，或者说当这篇文章的作者在任意一个位置选择一个词汇都不受前面句子的影响而独立选择的。现在Computer Vision中的Bag of words来表示图像的特征描述也是很流行的。大体思想是这样的，假设有5类图像，每一类中有10幅图像，这样首先对每一幅图像划分成patch（可以是 刚性分割也可以是像SIFT基于关键点检测的），这样，每一个图像就由很多个patch表示，每一个patch用一个特征向量来表示，咱就假设用Sift 表示的，一幅图像可能会有成百上千个patch，每一个patch特征向量的维数128。接下来就要进行构建Bag of words模型了，假设Dictionary词典的Size为100，即有100个词。那么咱们可以用K-means算法对所有的patch进行聚 类，k=100，我们知道，等k-means收敛时，我们也得到了每一个cluster最后的质心，那么这100个质心（维数128）就是词典里德100 个词了，词典构建完毕。词典构建完了怎么用呢？是这样的，先初始化一个100个bin的初始值为0的直方图h。每一幅图像不是有很多patch么？我们就再次 计算这些patch和和每一个质心的距离，看看每一个patch离哪一个质心最近，那么直方图h中相对应的bin就加1，然后计算完这幅图像所有的 patches之后，就得到了一个bin=100的直方图，然后进行归一化，用这个100维德向量来表示这幅图像。对所有图像计算完成之后，就可以进行分 类聚类训练预测之类的了。

bagoffeature是一种图像分类方法具体翻译成中文是什么啊急求

4，图像分类处理原理

1. 图像分类处理的依据图像分类处理的依据就是模式识别的过程，即通过对各类地物的遥感影像特征分析来选择特征参数，将特征空间划分为互不重叠的子空间并将图像内各个像元划分到各个子空间区，从而实现分类。这里特征参数是指能够反映地物影像特征并可用于遥感图像分类处理的变量，如多波段图像的各个波段、多波段图像的算术/逻辑运算结果、图像变换/增强结果、图像空间结构特征等; 特征空间是指由特征变量组成的多维空间。遥感影像中同一类地物在相同的条件下 ( 纹理、地形、光照及植被覆盖等) ，应具有相同或相似的光谱信息特征和空间信息特征，从而表现出同类地物的某种内在的相似性。在多波段遥感的数字图像中，可以粗略地用它们在各个波段上的像元值的连线来表示其光谱信息 ( 图 4-22a) 。在实际的多维空间中，地物的像元值向量往往不是一个点，而是呈点群分布 ( 集群) 。同类地物的特征向量将集群在同一特征空间域，不同地物的光谱信息或空间信息特征不同，因而将集群在不同的特征的空间域 ( 图 4-22b) 。在实际图像中，不同地物的集群还存在有交叉过渡，受图像分辨率的限制，一个像元中可能包括有若干个地物类别，即所谓 “混合像元”，因此对不同集群的区分要依据它们的统计特征来完成。2. 图像分类处理的关键问题图像分类处理的关键问题就是按概率统计规律，选择适当的判别函数、建立合理的判别模型，把这些离散的 “集群”分离开来，并作出判决和归类。通常的做法是，将多维波谱空间划分为若干区域 ( 子空间) ，位于同一区域内的点归于同一类。子空间划分的标准可以概括为两类: ①根据点群的统计特征，确定它所应占据的区域范围。例如，以每一类的均值向量为中心，规定在几个标准差的范围内的点归为一类。②确定类别之间的边界，建立边界函数或判别函数。不论采取哪种标准，关键在于确定同一类别在多维波谱空间中的位置 ( 类的均值向量) 、范围 ( 协方差矩阵) 及类与类边界 ( 判别函数) 的确切数值。按确定这些数据是否有已知训练样本 ( 样区) 为准，通常把分类技术分为监督和非监督两类。非监督分类是根据图像数据本身的统计特征及点群的分布情况，从纯统计学的角度对图像数据进行类别划分的分类处理方法。监督分类是根据已知类别或训练样本的模式特征选择特征参数并建立判别函数，把图像中各个像元点划归至给定类中的分类处理方法。图 4-22 某地数字图像上主要几种地物的光谱反射比曲线和集群分布3. 监督分类与非监督分类的本质区别监督分类与非监督分类的本质区别在于有无先验知识。非监督分类为在无分类对象先验知识的条件下，完全根据数据自身的统计规律所进行的分类; 监督分类指在先验知识( 训练样本的模式特征等先验知识) 的 “监督”之下进行分类。非监督分类的结果可作为监督分类训练样本选择的重要参考依据，同时，监督分类中训练样本的选择需要目视解译工作者、专家的地学知识与经验作为支撑。4. 遥感图像分类的工作流程①确定分类类别: 根据专题目的和图像数据特性确定计算机分类处理的类别数与类特征; ②选择特征参数: 选择能描述各类别的特征参数变量; ③提取分类数据: 提取各类别的训练 ( 样本) 数据; ④测定总体统计特征: 或测定训练数据的总体特征，或用聚类分析方法对特征相似的像元进行归类分析并测定其特征; ⑤分类: 用给定的分类基准对各个像元进行分类归并处理; ⑥分类结果验证: 对分类的精度与可靠性进行分析。

5，遥感图像分类有哪些方法最新的

非监督分类K-means Isodata监督分类平行六面体最小距离马氏距离最大似然波谱角二进制编码光谱信息散度神经网络支持向量机分类基于专家知识的决策树分类面向对象的分类
感图像的统计参数在图像处理过程中的作用：主要有以下7个参数：反差，方差，均值滤波，中值，众数，协方差，相关系数.它们对遥感数字影响 处理骑到举足轻重的作用：它们的主要用途及功能： 相关系数是变量之间相关程度的指标。样本相关系数用r表示,总体相关系数用ρ表示,相关系数的取值范围为[-1,1]。|r|值越大，误差q越小，变量之间的线性相关程度越高；|r|值越接近0，q越大，变量之间的线性相关程度越低。γ＞0为正相关，γ＜0为负相关。γ＝0表示不相关；γ的绝对值越大，相关程度越高。 如两者呈正相关，r呈正值，r=1时为完全正相关；如两者呈负相关则r呈负值，而r=-1时为完全负相关。完全正相关或负相关时，所有图点都在直线回归线上；点子的分布在直线回归线上下越离散，r的绝对值越小。 两个不同参数之间的方差就是协方差 若两个随机变量x和y相互独立，则e[(x-e(x))(y-e(y))]=0，因而若上述数学期望不为零，则x和y必不是相互独立的，亦即它们之间存在着一定的关系。 协方差作为描述x和y相关程度的量，在同一物理量纲之下有一定的作用，但同样的两个量采用不同的量纲使它们的协方差在数值上表现出很大的差异。均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个象素，构成一个滤波模板，即去掉目标象素本身）。再用模板中的全体像素的平均值来代替原来像素值。 均值滤波也称为线性滤波，其采用的主要方法为领域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m ∑f（x，y） m为该模板中包含当前像素在内的像素总个数。 组中值：上限与下限之间的中点数值称为组中值，它是各组上下限数值的简单平均，即组中值＝（上限＋上限）／2。组中值经常被用以代表各组标志值的平均水平。分组中通常把上下两端的组运用开放式的组距，即第一组用"多少以下"，最后一组用"多少以上"表示，这两个组的组中值可参照相邻组的组距来决定。众数： 理性理解：简单的说，就是一组数据中占比例最多的那个数。 用众数代表一组数据，可靠性较差，不过，众数不受极端数据的影响，并且求法简便。在一组数据中，如果个别数据有很大的变动，选择中位数表示这组数据的“集中趋势”就比较适合。 反差：1、反差指不同事物或同一事物的不同方面对比的差异程度。 2、反差指负片或照片上的明暗对比的术语。明暗对比大，则说明反差大。当反差大时，说明照片是硬调的。 3、反差指景物或影像中各部分明暗对比的差异程度。分景物反差和影像反差两种。前者指景物中最大亮度与最小亮度之比或对数差；后者是影像中最大密度与最小密度之差。两者间密切相关。一幅优良的遥感影像，其影像反差应能正确反映被摄景物的原有反差。这个关系用反差系数来表征。当反差系数为1时，表明影像反差等于景物反差；反差系数＜1时，影像反差小于景物反差；反差系数＞1时，影像反差大于景物反差。影像反差是反映遥感影像质量的重要指标，具有良好影像反差的遥感影像，有利于影像的分析、判读。影响影像反差的因素很多，如景物本身反差、遥感器光学系统质量、大气濛雾、感光材料特性、曝光量和摄影处理等。故在遥感影像处理中，不论光化学处理或数字图像处理，均可采用反差增强或反差扩展技术，用提高影像反差来改善影像判读质量。 方差：样本中各数据与样本平均数的差的平方和的平均数叫做样本方差；样本方差的算术平方根叫做样本标准差。样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。数学上一般用e{[x-e(x)]^2}来度量随机变量x与其均值e(x)即期望的偏离程度，称为x的方差。

6，遥感图像分类方法的比较 谁会

感图像的统计参数在图像处理过程中的作用：主要有以下7个参数：反差，方差，均值滤波，中值，众数，协方差，相关系数.它们对遥感数字影响 处理骑到举足轻重的作用：它们的主要用途及功能： 相关系数是变量之间相关程度的指标。样本相关系数用r表示,总体相关系数用ρ表示,相关系数的取值范围为[-1,1]。|r|值越大，误差Q越小，变量之间的线性相关程度越高；|r|值越接近0，Q越大，变量之间的线性相关程度越低。γ＞0为正相关，γ＜0为负相关。γ＝0表示不相关；γ的绝对值越大，相关程度越高。 如两者呈正相关，r呈正值，r=1时为完全正相关；如两者呈负相关则r呈负值，而r=-1时为完全负相关。完全正相关或负相关时，所有图点都在直线回归线上；点子的分布在直线回归线上下越离散，r的绝对值越小。 两个不同参数之间的方差就是协方差 若两个随机变量X和Y相互独立，则E[(X-E(X))(Y-E(Y))]=0，因而若上述数学期望不为零，则X和Y必不是相互独立的，亦即它们之间存在着一定的关系。 协方差作为描述X和Y相关程度的量，在同一物理量纲之下有一定的作用，但同样的两个量采用不同的量纲使它们的协方差在数值上表现出很大的差异。均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个象素，构成一个滤波模板，即去掉目标象素本身）。再用模板中的全体像素的平均值来代替原来像素值。 均值滤波也称为线性滤波，其采用的主要方法为领域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m ∑f（x，y） m为该模板中包含当前像素在内的像素总个数。 组中值：上限与下限之间的中点数值称为组中值，它是各组上下限数值的简单平均，即组中值＝（上限＋上限）／2。组中值经常被用以代表各组标志值的平均水平。分组中通常把上下两端的组运用开放式的组距，即第一组用"多少以下"，最后一组用"多少以上"表示，这两个组的组中值可参照相邻组的组距来决定。众数： 理性理解：简单的说，就是一组数据中占比例最多的那个数。 用众数代表一组数据，可靠性较差，不过，众数不受极端数据的影响，并且求法简便。在一组数据中，如果个别数据有很大的变动，选择中位数表示这组数据的“集中趋势”就比较适合。 反差：1、反差指不同事物或同一事物的不同方面对比的差异程度。 2、反差指负片或照片上的明暗对比的术语。明暗对比大，则说明反差大。当反差大时，说明照片是硬调的。 3、反差指景物或影像中各部分明暗对比的差异程度。分景物反差和影像反差两种。前者指景物中最大亮度与最小亮度之比或对数差；后者是影像中最大密度与最小密度之差。两者间密切相关。一幅优良的遥感影像，其影像反差应能正确反映被摄景物的原有反差。这个关系用反差系数来表征。当反差系数为1时，表明影像反差等于景物反差；反差系数＜1时，影像反差小于景物反差；反差系数＞1时，影像反差大于景物反差。影像反差是反映遥感影像质量的重要指标，具有良好影像反差的遥感影像，有利于影像的分析、判读。影响影像反差的因素很多，如景物本身反差、遥感器光学系统质量、大气濛雾、感光材料特性、曝光量和摄影处理等。故在遥感影像处理中，不论光化学处理或数字图像处理，均可采用反差增强或反差扩展技术，用提高影像反差来改善影像判读质量。 方差：样本中各数据与样本平均数的差的平方和的平均数叫做样本方差；样本方差的算术平方根叫做样本标准差。样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。数学上一般用E{[X-E(X)]^2}来度量随机变量X与其均值E(X)即期望的偏离程度，称为X的方差。
便于对当地情况的了解，便于其他研究。比如可以通过遥感图像分类获得土地利用图，植被覆盖图以及其他一些图件，进而将这些图件做为下一步的基础图件，进行环境，土地利用，植树造林等方面的研究！

文章TAG：图像分类算法  什么是最大似然法多光谱图像分类  
下一篇
展开更多