摘要 遥感图像分类一直是遥感研究领域的重要内容，如何解决多类别的图像的分类识别并满足一定的精度，是遥感图像研究中的一个关键问题，具有十分重要的意义。 遥感图像的计算机分类是通过计算机对遥感图像像素进行数值处理，达到自动分类识别地物的目的。遥感图像分类主要有两类分类方法:一种是非监督分类方法，另一种是监督分类方法。非监督分类方法是一个聚类过程，而监督分类则是一个学习和训练的过程，需要一定的先验知识。非监督分类由十不能确定类别属性，因此直接利用的价值很小，研究应用也越来越少。而且监督分类随着新技术新方法的不断发展，分类方法也是层出不穷。从传统的基十贝叶斯的最大似然分类方法到现在普遍研究使用的决策树分类和人工神经网络分类方法，虽然这些方法很大程度改善了分类效果，提高了分类精度，增加了遥感的应用能力。但是不同的方法有其不同优缺点，分类效果也受很多因素的影响。 本文在对国内外遥感图像分类方法研究的进展进行充分分析的基础上，应用最大似然分类法、决策树分类法对TM影像遥感图像进行了分类处理。在对分类实现中，首先对分类过程中必不可少的并影响分类效果的步骤也进行了详细地研究，分别是分类样本和分类特征；然后详细介绍两种方法的分类实验；最后分别分析分类结果图，采用混淆矩阵和kappa系数对两种方法的分类结果进行精度评价。 关键词:TM遥感影像，图像分类，最大似然法，决策树 题目：遥感图像几种分类方法的比较...................................... 错误！未定义书签。摘要.. (1) 第一章绪论 (3)
1.1遥感图像分类的实际应用及其意义 (4) 1.2我国遥感图像分类技术现状 (5) 1.3遥感图像应用于测量中的优势及存在的问题 (6) 1.3.1遥感影像在信息更新方面的优越性 (6) 1.3.2遥感影像在提取信息精度方面存在的问题 (6) 1.4研究内容及研究方法 (8) 1.4.1研究内容 (8) 1.4.2 研究方法 (8) 1.5 论文结构 (9) 第二章遥感图像的分类 (9) 2.1 监督分类 (9) 2.1.1 监督分类的步骤 (9) 2.1.2 最大似然法 (11) 2.1.3 平行多面体分类方法 (12) 2.1.4 最小距离分类方法 (13) 2.1.5监督分类的特点 (13) 2.2 非监督分类 (14) 2.2.1 K-means算法 (14) K-均值分类法也称为 (14) 2.2.2 ISODATA分类方法 (15) 2.2.3非监督分类的特点 (17) 2.4遥感图像分类新方法 (17) 2.4.1基于决策树的分类方法 (17) 2.4.2 人工神经网络方法 (19) 2.4.3 支撑向量机 (20) 2.4.4 专家系统知识 (21) 2.5 精度评估 (22) 第三章研究区典型地物类型样本的确定 (24) 3.1 样本确定的原则和方法 (24) 3.2 研究区地物类型的确定 (24) 3.3样本区提取方案 (25) 3.4 各个地物类型的样本的选取方法 (25) 3.4.1 建立目视解译标志 (25) 3.4.2 地面实地调查采集 (26) 3.4.3 利用ENVI遥感图像处理软件选取样本点 (26) 第四章遥感图像分类实验研究 (26) 4.1遥感影像适用性的判定 (26) 4.2分类前的预处理 (28) 4.2.1空间滤波的处理 (28) 4.2.2 频域滤波处理 (28) 4.3利用ENVI软件对影像按照不同的分类方法进行监督分类 (30) 4.3.1监督分类 (30) 4.3.2 决策树 (33) 4.4分类后的处理 (35)
从中国传统文化看“八音”乐器分类法 【摘要】一个分类体系，不仅可以体现一个民族和国家所特有的思维方式，同时能反映其政治，艺术等方面所特有的文化传统和日常的生活习俗。本文从中国传统文化的角度出发，对中国古代乐器“八音”分类法的文化意义进行思考和分析，揭示其中所蕴含的传统思维方式、独具特色的世界观和民族生活习俗。 【关键词】世界观中国传统文化民族传统思维方式祭祀 生活习俗 一、中国乐器分类法的历史演变 我国传统乐器博大精深，种类繁多，历史悠远，有关乐器分类的理论，早在先秦时期，便有所记载和传承。如：《尚书益稷》中记载：“予欲闻六律，五声，八音”；《尚书舜典》中也有相关文字：“三载四海灭八音”；“八音相克”；而在《周礼春官》中更是有详细的记载和介绍：“大师……皆播之以八音金，石，土，革，丝，木，匏，竹”。从这些古史资料中，不难看出西周时期，中国就乐器分类的理论已然相对成熟稳定，这种以制作乐器的材料材质为依据和主导的划分方法，叫作“八音”分类法，其中，金是指金属铸造的乐器，如：钟、铃、编钟。石是指石或玉制造的乐器，如：磬、方响。土是用泥土烧制的乐器，如：埙、缶。木是指用木材制作的乐器，如：柷、敔。革是指用兽皮制作的乐器，如：鼗、雷鼓。匏
是指类似葫芦状的乐器，如：笙、竽。竹是指竹子制作的乐器，如：萧、笛。而丝则是指用马尾或丝线等发声的乐器，如：琴、瑟。这种八音分类法一直被春秋战国、秦、汉、魏晋南北朝、隋唐所沿用。直至宋代，乐器不断增多，而人们对乐器的演奏功能也越来越有兴趣，于是乐器开始根据发声的模式而进行分类。南宋学者王应麟将乐器先根据八音的方式分，接着再归类为吹奏、敲声，以及丝弦等三类。到了明代，朱载堉完善和发展这种以乐器的发声特点和性能来分类的乐器分类法，将传统的“八音”分为三类，一类是“吹管乐器”，一类是“弹弦乐器”，另一类是“敲打乐器”。而近代的音乐学者——如王光祈、杨荫浏等音乐学家，对乐器的分类进行了进一步的研究和探讨并提出更为科学、合理的分类法。 二、八音分类法的文化意义 我国传统音乐文化中的这种“八音”乐器分类法，不仅与中国所处的地理环境以及由此产生的传统思维方式和世界观、文化观密不可分；同时，根据制作乐器的材料来分类的方法我们可以窥见远古时代一种重要民族生活习俗——祭祀在中国古代封建社会生活中 所起到的举足轻重的作用。首先，乐器是音乐的物化形态，是文化的无话表象现，它是一种载体，承载着是一个民族、一个国家的传统思想和观念，而对乐器的分类则反映了这个民族的思想行为方式和逻辑思维习惯。我们不难发现，与西方管、弦、击三分类法不同的是：金、石、土、木、丝、竹、匏、革，都是具体地存在于世
遥感原理与应用 1.试述遥感图像分类的方法，并简单分析各种分类方法的优缺点。答：监督分类：1、最大似然法；2、平行多面体分类法:这种方法比较简单，计算速度比较快。主要问题 是按照各个波段的均值为标准差划分的平行多面体与实际地物类别数据点分布的点群形态不一致，也就造成俩类的互相重叠，混淆不清的情况；3、最小距离分类法:原理简单，分类精度不高，但计算速度快，它可以在快速浏览分类概况中使用。通常使用马氏距离、欧氏距离、计程距离这三种判别函数。主要优点：可充分利用分类地区的先验知识，预先确定分类的类别；可控制训练样本的选择，并可通过反复检验训练样本，以提高分类精度（避免分类中的严重错误）；可避免非监督分类中对光谱集群组的重新归类。主要缺点：人为主观因素较强；训练样本的选取和评估需花费较多的人力、时间；只能识别训练样本中所定义的类别，对于因训练者不知或因数量太少未被定义的类别，监督分类不能识别，从而影响分结果（对土地覆盖类型复杂的地区需特别注意）。 非监督分类：1、ISODATA； 2、K-Mean：这种方法的结果受到所选聚类中心的数目和其初始位置以及模式分布的几何性质和读入次序等因素的影响，并且在迭代的过程中又没有调整类别数的措施，因此不同的初始分类可能会得到不同的分类结果，这种分类方法的缺点。可以通过其它的简单的聚类中心试探方法来找出初始中心，提高分类结果；主要优点：无需对分类区域有广泛地了解，仅需一定的知识来解释分类出的集群组；人为误差的机会减少，需输入的初始参数较少（往往仅需给出所要分出的集群数量、计算迭代次数、分类误差的阈值等）；可以形成范围很小但具有独特光谱特征的集群，所分的类别比监督分类的类别更均质；独特的、覆盖量小的类别均能够被识别。主要缺点：对其结果需进行大量分析及后处理，才能得到可靠分类结果；分类出的集群与地类间，或对应、或不对应，加上普遍存在的“同物异谱”及“异物同谱”现象，使集群组与类别的匹配难度大；因各类别光谱特征随时间、地形等变化，则不同图像间的光谱集群组无法保持其连续性，难以对比。
遥感图像分类方法的国内外研究现状与发展趋势
遥感图像分类方法的研究现状与发展趋势 摘要：遥感在中国已经取得了世界级的成果和发展，被广泛应用于国民经济发展的各个方面，如土地资源调查和管理、农作物估产、地质勘查、海洋环境监测、灾害监测、全球变化研究等，形成了适合中国国情的技术发展和应用推广模式。随着遥感数据获取手段的加强，需要处理的遥感信息量急剧增加。在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的要求，正成为遥感信息处理面临的一大难题。这里涉及二个方面，一是遥感图像处理本身技术的开发，二是遥感与地理信息系统的结合，归结起来，最迫切需要解决的问题是如何提高遥感图像分类精度，这是解决大区域资源环境遥感快速调查与制图的关键。 关键词：遥感图像、发展、分类、计算机 一、遥感技术的发展现状 遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。这种发展主要表现在以下4个方面： 1. 多分辨率多遥感平台并存。空间分辨率、时间分辨率及光谱分辨率普遍提高目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m的多种空间分辨率。遥感平台和传感器已从过去的单一型向多样化发展，并能在不同平台
上获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。民用遥感影像的空间分辨率达到米级，光谱分辨率达到纳米级，波段数已增加到数十甚至数百个，重复周期达到几天甚至十几个小时。例如，美国的商业卫星ORBVIEW可获取lm空间分辨率的图像，通过任意方向旋转可获得同轨和异轨的高分辨率立体图像；美国EOS卫星上的MOiDIS-N传感器具有35个波段；美国NOAA的一颗卫星每天可对地面同一地区进行两次观测。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 2. 微波遥感、高光谱遥感迅速发展微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们的关注。例如，美国实施的航天飞机雷达地形测绘计划即采用雷达干涉测量技术，在一架航天飞机上安装了两个雷达天线，对同一地区一次获取两幅图像，然后通过影像精匹配、相位差解算、高程计算等步骤得到被观测地区的高程数据。高光谱遥感的出现和发展是遥感技术的一场革命。它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。高光谱遥感的发展，从研制第一代航空成像光谱仪算起已有二十多年的历史，并受到世界各国遥感科学家的普遍关注。但长期以来，高光谱遥感一直处在以航空为基础的研究发展阶段，且主要
第六章图像分类 遥感图像分类就是利用计算机对遥感图像中各类地物的光谱信息和空间信息进行分析，选择特征，将图像中每个像元按照某种规则或算法划分为不同的类别，然后获得客观的地物信息的过程。一般的分类方法可分为两种：监督分类与非监督分类。将多源数据应用于图像分类中，发展了基于专家知识的决策树分类。 4.1 非监督分类 非监督分类是指人们事先对分类过程不施加任何的先验知识，而仅凭数据（遥感影像地物的光谱特征的分布规律），即自然聚类的特性，进行“盲目”的分类；其分类的结果只是对不同类别达到了区分，但并不能确定类别的属性。其类别的属性是通过分类结束后目视判读或实地调查确定的。主要有两方法：ISODATA分类与K-Means 分类。 4.1.1 ISODATA分类 ISODATA是一种遥感图像非监督分类法。全称“迭代自组织数据分析技术”（Iterative Self-Organizing Data Analysis Technique）。ISODATA使用最小光谱距离方程产生聚类，此方法以随机的类中心作为初始类别的“种子”，依据某个判别规则进行自动迭代聚类的过程。在两次迭代的之间对上一次迭代的聚类结果进行统计分析，根据统计参数对已有类别进行取消、分裂、合并处理，并继续进行下一次迭代，直至超过最大迭代次数或者满足分类参数（阈值），完成分类过程。操作步骤如下：（1）在主菜单中，选择File→Open Image File，打开待分类图像； （2）在主菜单中，选择Classification→Unsupervised→ISOData； （3）在Classification Input File选择分类的图像文件； （4）在ISODATA Parameters窗口中设置分类参数以及输出路径和文件名（图4-1）； 图4-1 ISODATA分类参数设置
传统图案的分类 Document serial number【UU89WT-UU98YT-UU8CB-UUUT-UUT108】
传统图案的分类 传统图案可定义为：世代相传，具有特点的图案艺术。传统图案代表着一个时期的文化和审美，具有经典的涵义。 有缠枝花图案、卷草图案、团画图案、中国吉祥图案、佩兹利图案、日本友禅图案、印度纱丽图案、夏威夷图案、东南亚蜡防图案、非洲蜡防图案、土着树皮图案、东非康茄图案、法国朱伊图案、英国莫里斯图案等。 1 缠枝花图案 Motif of Entangled Floral Branch 植物花草以柔和的半波状线与切圆，并在其间缀以多种花朵，枝茎上填以叶子。 因其连绵不断的结构，故有“生生不息：的美好吉祥寓意。缠枝花可谓是世界范畴的纹样，无法追究其起源。 2 卷草图案 Motif of Rolled Grass 盛行于中国的唐代。而有“唐草”之名。《中国丝绸艺术史》有记载“忍冬的骨架启发了唐草的思路，葡萄和石榴的形象又为唐草增添了无穷的变化”。 阿拉伯藤蔓纹样受到古埃及、古希腊和波斯文化的影响，伊斯兰教艺术赋予的绚丽视觉特性，涡卷的曲线韵律形成阿拉伯风格的卷草图案。
卷草图案以其动感流畅、柔中带刚的艺术特性流行于全世界。 3 团画图案 Motif of Grouped Floral 中国传统纹样，以精美细致、饱满华丽的艺术样式着称，多以刺绣工艺为主。外形圆润成团状，似圆形适合纹样。 4 中国吉祥图案 Motif of Chinese Fortune Design “图必有意，意必吉祥”，中国的审美文化心理形成了“吉祥”的图案特色。如龙凤、云纹；莲花、鲤鱼（连年有余）；喜鹊、梅花（喜上眉梢）；更有“双凤朝阳”、“梅兰竹菊”等。 还影响了18世纪的欧洲洛可可艺术图案纹样，给世界艺术品带来了深远的影响。 云锦 吉祥纹样 5 佩兹利图案 Motif of Paisley 起源于南亚次大陆北部克什米尔地区 佩兹利纹样在中国称其为“火腿纹样”；伊朗以及克什米尔地区称为“巴旦姆纹样”或“克什米尔纹样”；日本称为“曲玉纹样”；在非洲称为“腰果纹样”；西方国家称为“佩兹利纹样”。
摘要 在面向对象的影像分类方法中，首先需要将遥感影像分割成有意义的影像对象集合，进而在影像对象的基础上进行特征提取和分类。本文针对面向对象影像分类思想的关键环节展开讨论和研究，(1) 采用基于改进分水岭变换的多尺度分割算法对高分辨率遥感影像进行分割。构建了基于高斯尺度金字塔的多尺度视觉单词，并且通过实验证明其表达能力优于经典的词包表示。最后，在词包表示的基础上，利用概率潜在语义分析方法对同义词和多义词较强的鉴别能力对影像对象进行分析，找出其最可能属于的主题或类别，进而完成影像的分类。 近些年来，随着航空航天平台与传感器技术的高速发展，获取的遥感影像的分辨率越来越高。高分辨率遥感影像在各行业部门的应用也越来越广泛，除了传统的国土资源、地质调查和测绘测量等部门，还涉及到城市规划、交通旅游和环境生态等领域，极大地拓展了遥感影像的应用范围。因此，对高分辨率遥感影像的处理分析成为备受关注的领域之一。高分辨率遥感影像包括以下三种形式：高空间分辨率（获取影像的空间分辨率从以前的几十米提高到1 至5 米，甚至更高）；高光谱分辨率（电磁波谱被不断细分，获取遥感数据的波段数从几十个到数百个）；高时间分辨率（遥感卫星的回访周期不断缩短，在部分区域甚至可以连续观测）。本文所要研究的高分辨率遥感影像均是指“高空间分辨率”影像。 相对于中低分辨率的遥感数据，高空间分辨率遥感影像具有更加丰富的空间结构、几何纹理及拓扑关系等信息，对认知地物目标的属性特征更加方便，如光谱、形状、纹理、结构和层次等。另外，高分辨率遥感影像有效减弱了混合像元的影响，并且能够在较小的空间尺度下反映地物特征的细节变化，为实现更高精度的地物识别和分类提供了可能。 然而，传统的遥感影像分析方法主要基于“像元”进行，它处于图像工程中的“图像处理”阶段（见图1-1），已然不能满足当今遥感数据发展的需求。基于“像元”的高分辨率遥感影像分类更多地依赖光谱特征，而忽视影像的纹理、形状、上下文和结构等重要的空间特征，因此，分类结果会产生很严重的“椒盐(salt and pepper)现象”，从而影响到分类的精度。虽然国内外的很多研究人员针对以上缺陷提出了很多新的方法，如支持向量机(Support Vector Machine，SVM) 、纹理聚类、分层聚类(Hierarchical Clustering) 、神经网络(Neural Network, NN)等，但仅依靠光谱特征的基于像元的方法很难取得更好的分类结果。基于“像元”的传统分类方法还有着另一个局限：无法很好的描述和应用地物目标的尺度特征，而多尺度特征正是遥感信息的基本属性之一。由于在不同的空间尺度上，同样的地表空间格局与过程会表现出明显的差异，因此，在单一尺度下对遥感影像进行分析和识别是不全面的。为了得到更好的分类结果，需要充分考虑多尺度特征。 针对以上问题，面向对象的处理方法应运而生，并且逐渐成为高空间分辨率遥感影像分析和识别的新途径。所谓“面向对象”，即影像分析的最小单元不再是传统的单个像元，而是由特定像元组成的有意义的同质区域，也即“对象”；因此，在对影像分析和识别的过程
网络信息分类法与传统文献分类法的比较 ——以淘宝网和《中图法》为例 摘要：本文以淘宝网和《中国图书馆分类法》为例，对网络信息分类法和传统文献分类法进行了比较研究，并在此基础上，分析了网络信息分类法的不足之处，并对网络信息分类法的进一步完善给出了若干意见。 关键词：网络信息分类法；传统文献分类法；比较； Comparative Research on Network Information Classification and Traditional Literature Classification ——Taking TaoBao Web and Chinese Library Classification as Examples Author:Sun Yinan Abstract: Taking TaoBao web and Chinese library classification as examples, this paper comparatively study the network information classification and traditional literature classification, analyses the main problems existed in network information classification, and puts forward some suggestions on the improvement of network information classification. Keywords: network information classification; traditional literature classification；compare; 在当今知识经济时代，随着计算机技术和网络化的飞速发展，网络信息资源已经成为一种不可或缺的社会资源。随之而来的便是网络信息分类法的兴起，关于网络信息分类法的研究已经成为国内外学术研究的热点。笔者就淘宝网和《中国图书馆分类法》为实例进行了研究，对网络信息分类法和传统文献分类法进行了比较研究，并通过研究分析出了网络信息分类法现存的问题，并给出了相关对策。 一、网络分类法与传统文献分类法的比较 网络信息分类法和文献分类法，是目前信息组织的两种基本方法。长期以来，传统的文献分类法在进行信息资源组织、建立分类检索工具、分类统计等方面发挥了巨大的作用。网络环境的出现以及计算机技术的发展，改变了分类法的处理对象和手段，在这种环境下发展起来一种新型的分类工具———网络分类法。采用传统文献分类法的分类系统和网络信息分类系统在知识体系上的明显区别是：前者沿用了传统分类法的知识体系，后者则根据网络信息环境现状设计了新的知
实验四遥感图像分类 一、背景知识 图像分类就是基于图像像元的数据文件值，将像元归并成有限几种类型、等级或数据集的过程。常规计算机图像分类主要有两种方法：非监督分类与监督分类，本实验将依次介绍这两种分类方法。 非监督分类运用ISODATA（Iterative Self-Organizing Data Analysis Technique)算法，完全按照像元的光谱特性进行统计分类，常常用于对分类区没有什么了解的情况。使用该方法时，原始图像的所有波段都参于分类运算，分类结果往往是各类像元数大体等比例。由于人为干预较少，非监督分类过程的自动化程度较高。非监督分类一般要经过以下几个步骤：初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换、统计分析。 监督分类比非监督分类更多地要用户来控制，常用于对研究区域比较了解的情况。在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。对分类结果进行评价后再对模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。监督分类一般要经过以下几个步骤：建立模板(训练样本)分类特征统计、栅格矢量转换、评价模板、确定初步分类图、检验分类结果、分类后处理。由于基本的非监督分类属于IMAGINE Essentials级产品功能，但在IMAGINE Professional级产品中有一定的功能扩展，非监督分类命令分别出现在Data Preparation菜单和Classification菜单中，而监督分类命令仅出现在Classification菜单中。
图像分类 图像分类技术得益于两种技术的发展，一种是数据库技术，另一种是计算机显示技术。从这两种技术角度来看，图像分类技术可以分为基于文本的图像分类系统和基于图像自身内容的分类系统。 基于内容的图像分类系统 为了克服传统图像分类技术的局限性，人们开始寻求新的图像分类检索方法，于是出现了基于内容的图像分类技术，即使用图像本身的颜色、形状、纹理等视觉特征代替传统的手工填加关键字信息进行分类的技术。 基于内容的分类它直接对图像内容进行分析，抽取特征和语义，利用这些特征和语义进行分类并建立索引，进行检索。 人们已经将研究重点转移到从图像的视觉内容中自动提取图像特征用于分类及检索上，并且已经开发了各类基于内容的图像视频分类检索系统。 其中较著名的有QBIC、Photobook、Foureys等。这些系统主要利用了图像的低层次信息，如颜色、形状、布局、纹理等。 近几年来，基于内容的图像分类检索技术有了长足的发展，主要是基于低层次视觉特征的图像分类检索，比较成功的例子有IBM 公司的QBIC系统等。 但是针对高层次语义特征的图像分类检索系统还没有成熟的产品。在基于内容的多媒体信息分类检索技术研究中，基于理解的文本分类检索已经有比较好的研究成果，但基于视觉特征和语义特征的图像、音视频分类检索尚处于研究开始阶段。 目前，在图像分类方面，还没有比较成熟的算法能够对所有的图像类型都进行有效的分类。 因此研究图像分类的有效算法对于图像检索技术发展具有十分重要的意义。 从不同的角度，图像可以分为不同的类别。 本文将图像根据功能不同分为图标类图像和图片类图像。 图片类图像在分类技术上，采用提取图像的颜色数，主体颜色，色彩的饱和度等图像基本特征的方法， 根据图像低层次的可见特征进行分类。这些种类不同的图像在视觉特征上有较大的区别， 结合因特网中网页的相关文本信息可以实现语义级的分类。 图像的合理分类对提高基于内容的图像检索结果的准确性具有十分重要的作用。 万维网上的图像的类别一般如下 照片类图片(Photograph)特点 照片类图片通常指具有纹理或纹理趋势的实物图片或通过某些专门软件(如photoshop、3D Max等)处理产生的图片。 照片类图片包括照片(从自然界采集或通过扫描得到的图片)、类照片(主要指通过某些专门的图片处理软件生成的图片或计算机游戏的屏幕图片)等。 特点为：图片中使用的颜色数多，颜色逼真、鲜艳，颜色层次丰富，并且颜色之间过渡比较缓慢，能够表现出颜色、 阴影的细微层次变化。都有比较明显的纹理或纹理趋势，边缘一般模糊不清晰，且在大小比率(长*高)上差别也较小。 常用来显示真实的场景。 如果从照片内容上分类，照片类图片可以分为自然景物类和人造景物类图片。自然景物类图片一般颜色比较鲜明，但是纹理趋势不明显，而人造景物类图片中一般为城市高楼、宗教庙宇、室内物件之类的图片，图片中包含的线条比较多，有较明显的纹理趋势。 图画类图片(Graphic)特点 图画类图片通常都是具有良好边界的设计图片，它一般是通过绘图软件或是手工绘制而成。 图画类图片主要包括：卡通画、国画、油画、图表、徽标、艺术字等。与照片类图片相比，图画类图片中使用的颜色数较少，但是区域颜色的饱和度通常都比较高，多使用纯色或是饱和度较高的颜色，并且颜色间的过渡也较照片类图片快，颜色层次单薄。图片中纹理趋势不明显，通常有清晰的线条和光滑的边缘。另外图画类图片在大小比率上差别较大。
机械制图常用形位公差符号表示方法
一、形位公差 零件加工时，不仅会产生尺寸误差，还会产生形状和位置误差。零件表面的实际形状对其理想形状所允许的变动量，称为形状误差。零件表面的实际位置对其理想位置所允许的变动量，称为位置误差。形状和位置公差简称形位公差。 二、形位公差符号 标注符号 直线度（－）——是限制实际直线对理想直线直与不直的一项指标。 平面度——符号为一平行四边形，是限制实际平面对理想平面变动量的一项指标。它是针对平面发生不平而提出的要求。 圆度（○）——是限制实际圆对理想圆变动量的一项指标。它是对具有圆柱面（包括圆锥面、球面）的零件，在一正截面（与轴线垂直的面）内的圆形轮廓要求。圆柱度（/○/）——是限制实际圆柱面对理想圆柱面变动量的一项指标。它控制了圆柱体横截面和轴截面内的各项形状误差，如圆度、素线直线度、轴线直线度等。圆柱度是圆柱体各项形状误差的综合指标。 线轮廓度（⌒）——是限制实际曲线对理想曲线变动量的一项指标。它是对非圆曲线的形状精度要求。 面轮廓度——符号是用一短线将线轮廓度的符号下面封闭，是限制实际曲面对理想曲面变动量的一项指标。它是对曲面的形状精度要求。
定向公差——关联实际要素对基准在方向上允许的变动全量。 定向公差包括平行度、垂直度、倾斜度。 平行度（‖）——用来控制零件上被测要素（平面或直线）相对于基准要素（平面或直线）的方向偏离0°的要求，即要求被测要素对基准等距。 垂直度（⊥）——用来控制零件上被测要素（平面或直线）相对于基准要素（平面或直线）的方向偏离90°的要求，即要求被测要素对基准成90°。 倾斜度（∠）——用来控制零件上被测要素（平面或直线）相对于基准要素（平面或直线）的方向偏离某一给定角度（0°～90°）的程度，即要求被测要素对基准成一定角度（除90°外）。 定位公差——关联实际要素对基准在位置上允许的变动全量。 定位公差包括同轴度、对称度和位置度。 同轴度（◎）——用来控制理论上应该同轴的被测轴线与基准轴线的不同轴程度。对称度——符号是中间一横长的三条横线，一般用来控制理论上要求共面的被测要素（中心平面、中心线或轴线）与基准要素（中心平面、中心线或轴线）的不重合程度。 位置度——符号是带互相垂直的两直线的圆，用来控制被测实际要素相对于其理想位置的变动量，其理想位置由基准和理论正确尺寸确定。 跳动公差——关联实际要素绕基准轴线回转一周或连续回转时所允许的最大跳动量。 跳动公差包括圆跳动和全跳动。 圆跳动——符号为一带箭头的斜线，圆跳动是被测实际要素绕基准轴线作无轴向移动、回转一周中，由位置固定的指示器在给定方向上测得的最大与最小读数之差。 全跳动——符号为两带箭头的斜线，全跳动是被测实际要素绕基准轴线作无轴向移动的连续回转，同时指示器沿理想素线连续移动，由指示器在给定方向上测得的最大与最小读数之差
遥感图像分类方法综述 刘佳馨 摘要：伴随着科学技术在我们的生活中不断发展，遥感技术便应运而生，而遥感图像因成为遥感技术分析中的不可缺少的依据，变得备受关注。在本文中，以遥感图像分类方法为研究中心，从传统分类方法、近代分类方法两个方面对分类方法进行了介绍，并以此为基础对分类思想及后续处理进行说明，进而展望了遥感图像分类的研究趋势和发展前景。 关键词：遥感图像；图像分类；分类方法 1 引言 遥感，作为采集地球数据及其变化信息的重要技术手段，在世界范围内的各个国家以及我国的许多部门、科研单位和公司等，例如地质、水体、植被、土壤等多个方面，得到广泛的应用，尤其在监视观测天气状况、探测自然灾害、环境污染甚至军事目标等方面有着广泛的应用前景。伴随研究的深入，获取遥感数据的方式逐渐具有可利用方法多、探测范围广、获取速度快、周期短、使用时受限条件少、获取信息量大等特点。遥感图像的分类就是对遥感图像上关于地球表面及其环境的信息进行识别后分类，来识别图像信息中所对应的实际地物，从而进一步达到提取所需地物信息的目的。 2 遥感图像分类基本原理 遥感是一种应用探测仪器，在不与探测目标接触的情况下，从远处把目标的电磁波特性记录下来，并且通过各种方法的分析，揭示出物体的特征性质及其变化的综合性探测技术。图像分类的目的在于将图像中每个像元根据其不同波段的光谱亮度、空间结构特征或其他信息，按照某种规则或算法划分为不同的类别。而遥感图像分类则是利用计算机技术来模拟人类的识别功能，对地球表面及其环境在遥感图像上的信息进行属性的自动判别和分类，以达到提取所需地物信息的目的。 3 遥感图像传统分类方法 遥感图像传统分类方法是目前应用较多，并且发展较为成熟的分类方法。从分类前是否需要获得训练样区类别这一角度进行划分，可将遥感图像传统分类方法分为两大类，即监督分类（supervised classification）和非监督分类(Unsupervised
SVM分类方法在人脸图像分类中的应用 摘要：本文首先简要综述了人脸识别技术中不同的特征提取方法和分类方法；然后介绍了支持向量机（SVM）的原理、核函数类型选择以及核参数选择原则以及其在人脸分类识别中了应用，最后通过在构建的人脸库上的仿真实验观测观测不同的特征提取方法对人脸识别率的影响、不同的学习样本数对人脸识别率的影响、支持向量机选用不同的核函数后对人脸识别率的影响、支持向量机选用不同的核参数后对人脸识别率的影响。 一、人脸识别简介 人脸识别也就是利用计算机分析人脸图象，进而从中提取出有效的识别信息,用来“辨认”身份的一门技术。人脸识别技术应用背景广泛，可用于公安系统的罪犯身份识别、驾驶执照及护照等与实际持证人的核对、银行及海关的监控系统及自动门卫系统等。 常见的人脸识别方法包括基于KL变换的特征脸识别、基于形状和灰度分离的可变形模型识别、基于小波特征的弹性匹配、基于传统的部件建模识别、基于神经网络的识别、基于支持向量机的识别等。其中特征脸方法、神经网络方法、基于支持向量机的方法等是基于整体人脸的识别，而基于提取眼睛等部件特征而形成特征向量的方法就是基于人脸特征的识别。 虽然人类的人脸识别能力很强，能够记住并辨别上千个不同人脸，可是计算机则困难多了。其表现在：人脸表情丰富；人脸随年龄增长而变化；人脸所成图象受光照、成象角度及成象距离等影响；而且从二维图象重建三维人脸是病态过程，目前尚没有很好的描述人脸的三维模型。另外，人脸识别还涉及到图象处理、计算机视觉、模式识别以及神经网络等学科，也和人脑的认识程度紧密相关。这诸多因素使得人脸识别成为一项极富挑战性的课题。 通常人类进行人脸识别依靠的感觉器官包括视觉、听觉、嗅觉与触觉等。一般人脸的识别可以用单个感官完成，也可以是多感官相配合来存储和检索人脸。而计算机的人脸识别所利用的则主要是视觉数据。另外计算机人脸识别的进展还受限于对人类本身识别系统的认识程度。研究表明，人类视觉数据的处理是一个
符号中的信息和单元 焊接符号表达的内容： 接头类型、焊缝坡口形状、焊缝类型、焊接方法、规程或程序、焊缝位置、质量要求、焊缝次序、焊缝尺寸、最终的焊缝轮廓、工艺要求等。 焊接符号组成单元:参考线、箭头、基本焊接符号、尺寸和其他数据、补充符号、完成符号、尾缀、规程、焊接方法或其他。 1、参考线是构成一个焊接符号的基础，由水平位置的划线组成。参考线必须画在靠近所要表示的焊接接头符号的旁边。每一个焊接符号单元必须根据符号标准放置在参考线周围一个适当的位置处。水平参考线及焊接符号单元的位置如图1所示。 注释： ①尾缀T 只用于特殊的焊缝，例如，焊接方法改变、焊条改变等，可以在图纸上有详细参考说明。如果没有参考意义或无须规范，尾缀可以省略。 ②参考线上的S 记号S取决于焊缝类型，如有坡口焊缝的熔深、填角焊缝的尺寸、塞焊或开槽焊缝的尺寸、点焊或凸焊焊缝的剪切强度等，这个记号一般是位于焊缝符号的左边。 ③记号E 在这里代表一个开坡口焊缝的有效尺寸，也称为焊缝尺寸或焊脚高。有效尺寸的尺度标在圆括号内，无论箭头指向哪里，这个尺寸和坡口总是位于参考线上焊缝符号的左边。
④R 在这里代表形成所需形状的焊缝数之间的空间，对于对接接头来说是敞开的根部。如果是塞焊或开槽焊缝，R在这里表示填充深度。这个记号位于焊缝符号的中间位置。 ⑤A 在这里表示对接接头的坡口角度（倾斜角），也包括塞焊焊缝的沉入角度。 ⑥F和A之间的水平短线—在这里代表完成的焊缝外形形状。 ⑦F 在这里表示获得所需焊缝外形的方法，焊缝外形可以通过下述方法获得。打磨（G）、机械加工（M）、铲削（C）、锤击（H）、滚轧（R）或者其他（U）。 ⑧L 在这里表示焊缝长度，这个长度标示总是位于焊缝符号的右边。无论箭头位于何处，这个位置总是不变的。 ⑨P 在这里表示当焊接中断时焊缝的中心线与中心线的间距。 ⑩（N）在这里代表点焊、缝焊、栓焊、塞焊、开槽焊或凸焊焊缝所要求的数量。箭头：箭头线位于参考线的一端或另一端，在焊接接头的箭头线一边有一个箭头，这个箭头能指向任何方向，向上、向下或向前、向后。一个焊接符号甚至可以有多个箭头。 与箭头相关的符号放置在参考线各自接头一边的上面或下面。参考线的术语“箭头侧”是指箭头指向焊缝接头一侧。位于参考线箭头侧的符号是指接头的箭头侧。位于参考线另一侧的符号是指接头的另一侧。当从图纸的底部观看时，箭头侧总是更靠近观看者。箭头侧和另一侧的例子见图2。 基本的焊接符号
面向对象分类实验报告 姓名： 学号： 指导老师： 地球科学与环境工程学院
一、实验目的 面向对象法模拟人类大脑认知过程，将图像分割为不同均质的对象，充分利用对象所包含的信息，将知识库转换为规则特征，从而提取影像信息。因为分析的是对象而不是像元，因此我们可以利用对象丰富的语义信息，结合各种地学概念，如面积、距离、光谱、尺度、纹理等进行分析。 面向对象的遥感影像分析方法与传统的面向像元的影像分析方法不同。首先我们要用一定方法对遥感影像进行分割，在提取分割单元（图像分割后所得到的内部属性相对一致或均质程度较高的图像区域）的各种特征后，在特征空间中进行对象识别和标识，从而最终完成信息的分类与提取。 二、实验意义 1、使用eCognition进行面向对象的影像分类的流程； 2、体会面向对象思想的内涵，学会将大脑认知过程转变为机器语言； 三、实验内容 3.1、影像的预处理 利用ERDAS软件将所给的全色影像和多光谱遥感影像进行融合，达到既满足高空间分辨率，又保留光谱信息。Image interperter-> spatial enhancement-> resolution merge.输入融合前的两幅影像，完成影像的预处理过程。 图 1 图像融合步骤
图 2 融合后的图像 3.2、使用eCongition 创建工程 a、使用规则集模式创建工程 图 3 模式选择 b、file->new projection ，打开Create Project和Import Image Layers两个
对话框，将上面的实验数据导入。（注意，数据以及工程文件保存路径不要有中文） 图 4 导入数据 c、选择数据修改波段名称,并设置Nodata选项。
基于图像分类算法的自动化摘酒方法研究白酒酿造业近十多年来持续致力于加大机械化生产的试点,并在摊晾等环节进行了部分机械化的改造。但由于上甑、摘酒等依赖人工判断的关键环节难以实现自动化生产,使得整个白酒机械化行业未能形成一个有机的整体,因此白酒酿造业整体仍处于半机械化水平。 其中的摘酒过程目前依旧以看花摘酒传统工艺为主。在白酒蒸馏过程中,酒液成分随着时间推移而产生变化,酒液从冷却器经过流酒管冲击到盛酒容器中形成大小和数量各异的酒花,摘酒工人根据酒花形态将酒液分为不同品质的基酒进行分开存储,该过程即称为看花摘酒。 该方法过于依赖摘酒工人的经验、自身水平和生产状态导致产量难以提升、劳动密集、产品质量不稳定且存在潜在的安全风险。各大酒厂目前也在积极进行自动化摘酒的研究以解决该问题,但目前尚缺少一种有效的自动化摘酒方法。 针对上述问题,本文利用图像采集设备对摘酒过程进行了采集,同时使用图像处理等方法,对采集到的酒花图像进行处理、分类和自动分段,并设计了一套自动化摘酒系统,从而避免了人工操作,以提高摘酒质量的稳定性。本文的主要工作和研究成果如下:1)本文通过分析酒花的人工分类方法、酒液成分不同所导致的酒花特性和酒液图像特征的变化,初步验证了看花摘酒的可行性。 本文以四川某白酒厂的风味白酒生产流程中的摘酒环节为研究对象,提出了基于图像处理和卷积神经网络的自动化摘酒方案。同时本文采集了大量的摘酒图像数据并让专业摘酒工人进行标注,该数据将作为摘酒数据集对分类算法进行训练和验证。 2)针对酒液和容器的分界面会不停波动,酒液透明导致边界难以提取等因素,
本文提出了一种面向自动化摘酒的基于椭圆曲线检测的酒液前景提取方法。该方法能够在诸多摘酒生产线和历次摘酒中有效地提取到酒液前景,减少背景信息的干扰并减少数据的存储量和计算量。 3)为了能够对酒花图像进行准确地分类并保证算法的泛化性和高效性,本文提出了基于酒花特征的随机图像块裁剪方法,并参考[ncept ion网络设计和训练了针对摘酒的灰值Vini-Incception分类网络。用酒花图像数据集对该分类算法进行测试,取得了 97.9%的分类准确率。 4)在对摘酒图像处理和分类研究的基础上,本文设计了一套针对摘酒流程的自动化系统。同时本文提出了衡量摘酒系统的性能指标,运用具有代表性的样本图像流进行模拟测试,摘酒分段算法的平均时间误差为1.02s,证明了该系统具有较高地分类准确率和分段实时性。
基于光谱的影像的分类可分为监督与非监督分类，这类分类方法适合于中低分辨率的数据，根据其原理有基于传统统计分析的、基于神经网络的、基于模式识别的等。 本专题以ENVI的监督与非监督分类的实际操作为例，介绍这两种分类方法的流程和相关知识。有以下内容组成： ???监督分类 ??非监督分类 ?分类后处理 监督分类 监督分类：又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决函数去对其他待分数据进行分类。使每个像元和训练样本作比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。 遥感影像的监督分类一般包括以下6个步骤，如图1所示： 图1?监督分类步骤 1、类别定义/特征判别 根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。这个过程主要是一个目视查看的过程，为后面样本的选择打下基础。 本例是以ENVI自带Landsat tm5数据Can_tmr.img为数据源，类别分为：林地、草地/灌木、耕地、裸地、沙地、其他六类。 2、样本选择 为了建立分类函数，需要对每一类别选取一定数目的样本，在ENVI中是通过感兴趣区（ROIs）来确定，也可以将矢量文件转化为ROIs文件来获得，或者利用终端像元收集器（Endmember Collection）获得。 本例中使用ROIs方法，打开分类图像，在Display->Overlay->Region of Interest，默认ROIs为多边形，按照默认设置在影像上定义训练样本。如图2所示，设置好颜色和类别名称（支持中文名称）。 在ROIs面板中，选择Option->Compute ROI Separability,计算样本的可分离性。如图3所示，表示各个样本类型之间的可分离性，用Jeffries-Matusita, Transformed Divergence参数表示，这两个参数的值在0~2.0之间，大于1.9说明样本之间可分离性好，属于合格样本；小于1.8，需要重新选择样本；小于1，考虑将两类样本合成一类样本。 ?图2训练样本的选择 图3样本可分离性计算报表
遥感图像分类方法的研究现状与发展趋势 摘要：遥感在中国已经取得了世界级的成果和发展，被广泛应用于国民经济发展的各个方面，如土地资源调查和管理、农作物估产、地质勘查、海洋环境监测、灾害监测、全球变化研究等，形成了适合中国国情的技术发展和应用推广模式。随着遥感数据获取手段的加强，需要处理的遥感信息量急剧增加。在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的要求，正成为遥感信息处理面临的一大难题。这里涉及二个方面，一是遥感图像处理本身技术的开发，二是遥感与地理信息系统的结合，归结起来，最迫切需要解决的问题是如何提高遥感图像分类精度，这是解决大区域资源环境遥感快速调查与制图的关键。 关键词：遥感图像、发展、分类、计算机 一、遥感技术的发展现状 遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年得到了飞速发展，目前又将达到一个新的高潮。这种发展主要表现在以下4个方面： 1. 多分辨率多遥感平台并存。空间分辨率、时间分辨率及光谱分辨率普遍提高目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m的多种空间分辨率。遥感平台和传感器已从过去的单一型向多样化发展，并能在不同平台
上获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。民用遥感影像的空间分辨率达到米级，光谱分辨率达到纳米级，波段数已增加到数十甚至数百个，重复周期达到几天甚至十几个小时。例如，美国的商业卫星ORBVIEW可获取lm空间分辨率的图像，通过任意方向旋转可获得同轨和异轨的高分辨率立体图像；美国EOS卫星上的MOiDIS-N传感器具有35个波段；美国NOAA的一颗卫星每天可对地面同一地区进行两次观测。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 2. 微波遥感、高光谱遥感迅速发展微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们的关注。例如，美国实施的航天飞机雷达地形测绘计划即采用雷达干涉测量技术，在一架航天飞机上安装了两个雷达天线，对同一地区一次获取两幅图像，然后通过影像精匹配、相位差解算、高程计算等步骤得到被观测地区的高程数据。高光谱遥感的出现和发展是遥感技术的一场革命。它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。高光谱遥感的发展，从研制第一代航空成像光谱仪算起已有二十多年的历史，并受到世界各国遥感科学家的普遍关注。但长期以来，高光谱遥感一直处在以航空为基础的研究发展阶段，且主要