简答图像的一般分类

二值图像是指每个像素不是黑,就是白,其灰度值没有中间过渡的图像。这种图像又称为黑白图像。二值图像的矩阵取值非常简单,每个像素的值要么是1,要么是0,具有数据量小的特点。灰度图像是指每个像素的信息由一个量化后的灰度级来描述的数字图像,灰度图像中不包含彩色信息。标准灰度图像中每个像素的灰度值是0-255之间的一个值,灰度级数为256级。

(1)联系：①认识过程是产生情绪、情感的前提和基础；②情绪对认识有动力作用。(2)区别：①认识反映客观事物的内在联系(规律)情绪、情感则反映主体与客体之间的需求关系；②认识过程随意性强。情绪随意性弱只有通过认识作用情绪活动才有某些随意性；③情绪比认识活动有更强和鲜明的机体表现。 (1)联系：①认识过程是产生情绪、情感的前提和基础；②情绪对认识有动力作用。(2)区别：①认识反映客观事物的内在联系(规律)，情绪、情感则反映主体与客体之间的需求关系；②认识过程随意性强。情绪随意性弱，只有通过认识作用，情绪活动才有某些随意性；③情绪比认识活动有更强和鲜明的机体表现。

遥感图像计算机分类处理的基本过程，包括原始图像的预处理、训练区的选择、特征选择和特征提取、分类、检验结果以及成果输出等。 （1）原始图像的预处理 原始图像的预处理（preprocessing）就是指对观测数据作成像处理，以及图像的几何校正、辐射校正、量化、采样、预滤波、去噪声等处理，以便获得一幅比较清晰、对比度强、位置准确的图像以提高分类精度。 （2）训练区的选择 从待处理数据中抽取具有普遍性、代表性的数据作为训练群本。训练区选择得准确与否，训练样本数是否足够，关系到分类精度的高低。在监督分类中，训练区选择的最好的办法是选择一、两个典型区域，各类地物全有，进行实地调查，调查时，对照实地将被分类的遥感影像，一一识别，在图上标好，再到计算机上将这些数据提出。如果受客观条件的限制，可以借助于地图、航片或其他专题资料进行选择等。在上述资料都没有的情况下也可以先做非监督分类，在分类结果中选择训练区。 （3）特征选择和特征提取 特征选择（featureselection）是从众多特征中挑选出可以参加分类运算的若干个特征。特征提取（featureextraction）是在特征选择之后，利用特征提取算法从原始特征中求出最能反映其类别特性的一组新特征，完成样本空间到特征空间的转换。通过特征提取既可以达到数据压缩的目的，又提高了不同类别特征之间的可区分性。 （4）图像分类运算 图像分类运算（classification）就是根据影像特点和分类目的设计或选择恰当的分类器及其判别准则，对特征矢量集进行划分，完成分类工作。 （5）检验结果 主要是对分类的精度与可靠性进行评价。进入传感器的遥感信息由于受传感器空间分辨率和光谱分辨率的限制，常常得到混合的信息。有时地物本身就是混合在一起的，例如植被覆盖下的土壤。因此不存在理想的分类器，加上“同物异谱”、“异物同谱”现象的存在，错分的情况普遍存在，因此，分类后都必须进行检验，错分像元所占的比例越小，则分类结果越佳。 （6）结果输出 包括分类结果图像的输出，以及分类结果的统计值，例如各类别的地物占地面积、类别集群的统计中心和方差等。

背斜和向斜

像素的相似度