10. Grum F. and bucket/ G. W. Optical Sphere Paint and a Working Standard of Reflectance, Appl. Opt, vol. 7, no. 11, pp. 2289-2294, 1968.

11. King R. A. «E ectrical Noise», Chapman and Hall, London, 1966.

12. Hammond H. K-, HI, and Mason H. L. «Precision Measurement and Calibration: Radiometry, Photometry*, National Bureau of Standards, Special Publication 300, vol. 7, U. S. Government P Printing Office, Washington, D. C, 1971.

. 13. Sparrow E. M. and lonsson V. K. Radiant Emission Characteristics of Diffuse Conical Cavities, J. Opt. Soc. Am., vol. 53, pp. 816-821, 1963.

14. Radiation Instruments and Measurements: «IGY Instruction Manuab, part IV, Pergamon Press, New York, 1958.

15. Laboratory for Agricultural Remote Sensing. «Remote Multispectral Sensing in Agriculture*, vol. 3, Research Bulletin no. 844, Agricultural Experiment Station, Purdue University, West Lafayette, Ind., 1968.

16. Baker J. R. «Geometric Analysis and Restitution of Digital Multispectral Scanner Data Arrays», Ph. D. Dissertation, School of Civil Engineering, Purdue University, West Lafayette, Ind., 1975.

17. Born M., and Wolf E. «Principles of Optics», Pergamon Press, Oxford, England, 1964.

18. American Society of Photogrammetry. «Manual of Photogrammetry», 3d ed., Falls Church, Va., 1966.

19. Scientific and Technical Information Office. «Advance Scanners and Imaging Systems for Earth Observations*, SP - 335, NASA Publication, Washington, D. C, 1973.

20. Steckl A. L, Nelson R. D., French B. T. et al. Application of Charge - Coupled Devices to Infrared Detection and Imaging, Proc. IEEE, vol. 63, no. 1, pp. 67-74, 1975.

21. Cooper G. R. and McGillem C. D. «Methods of Signal and System Analysis, «Holt, Rinehart and Winston, Inc., 1967.

22. National Aeronautics and Space Administration. «Earth Resources Technology Satellite: Data Users Handbook*, Goddard Space Flight Center, Greenbelt, Md., 1972.

23. Hasel P. G., Jr., et al. «Michigan Experimental Multispectral Mapping System: A Description of the M7 Airborne Sensor and Its Performance*, Environmental Research Institute of Michigan, Ann Arbor, Mich., 1974.

24. National Aeronautics and Space Administration. «EREP Investigators Data Воок», Science and Applications Directorate, Manned Spacecraft Center, Houston, Tex., 1972.

25. National Aeronautics and Space Administration. «Landsat -D Thematic Mapper*, Technical Working Group Final Report JSC - 09797, Johnson Spaceflight Center, Houston, Tex., 1975.

ГЛАВА

ОСНОВЫ РАСПОЗНАВАНИЯ ОБРАЗОВ

В ДИСТАНЦИОННОМ ЗОНДИРОВАНИИ

В гл. I приведено простое классификационное правило, относящее данные к различныхм классам земного покрытия, - пример методологии анализа данных, называемой распознаванием образов. Основой данной методологии является двухщаговый процесс, в котором: 1) интересующие нас классы описываются путем анализа данных, представляющих эти классы; 2) все остальные данные классифицируются с помощью численных методов, использующих описания классов.

Распознавание образов представляет собой идеальный метод в больщинстве случаев применения количественного дистанционного зондирования: распознавание образов является мащин-но-ориентированной методологией, допускающей быстрый и многократный анализ; оно предусматривает статистическую трактовку многомерных данных; оно легко распространяется на щирокий круг проблем; обеспечивает получение количественных результатов.

Распознавание образов - не единственный количественный метод анализа, применяемый к данным дистанционных измерений, могут использоваться статистические методы, такие как корреляционный анализ и регрессия. Распознавание образов наиболее применимо, когда целью является отнесение (или классификация) каждого элементарного наблюдения к одному из ограниченного числа дискретных классов. Таким образом, классификация сельскохозяйственных данных по типам сельскохозяйственных культур - пример использования распознавания образов. Во многих случаях применения дистанционных исследований встречаются подобные классификационные задачи, и поэтому распознавание образов часто принималось за основу в системах обработки данных дистанционных исследований.

В данной главе будут изложены принципы и некоторые основные математические формулировки теории распознавания образов в таком виде, как они обычно используются в количественном дистанционном зондировании. Заключительный раздел главы - описание типичной процедуры анализа данных дистанционных исследований.

В гл. IV обсуждаются многие соображения, существенные для оценки вычислительных систем, используемых для реализации процедуры анализа данных.

Цели изучения.

После изучения разд. П1.1-И1.3 читатель должен уметь:

1. Дать определение образа, учитывающее средства, с помощью которых может быть создано устройство, распознающее образы.

2. Начертить блок-схему или модель распознающей системы и кратко описать с точки зрения дистанционного зондирования функцию каждого блока.

3. На данном рисунке, изображающем группу двухмерных измерений из набора разделимых образов, начертить границы для соответствующего множества областей рещения.

4. Имея данный вектор X и набор дискриминантных функций giix), рещить, какому классу принадлежит X.

5. Дать определение обучающего образа, раскрывая роль, которую играют обучающие образы в разработке классификатора.

Что такое образ?

Понятие «образ» обычно ассоциируется с объектом, имеющим пространственные или геометрические признаки - двух- или трехмерные. Знакомые примеры - буквы и цифры на печатном листе или танки и пушки на аэрофотоснимке. Однако если учитывать способы, с помощью которых устройство может распознавать образы, возможно более абстрактное понятие образа. В частности, распознающая система производит серию измерений образа, подлежащего классификации, и сравнивает эти измерения с набором «типичных» измерений в «словаре образов». Совпадение или наиболее близкое совпадение с элементом словаря дает желаемую классификацию. Наиболее важными аспектами этого процесса являются словарь образов и способ сравнения образов, подлежащих классификации, с образами из словаря*. Фактически, если проведены измерения, то не имеет значения, какова физическая форма образа, что же касается распознающей системы, то для нее набор измерений и есть образ. Тогда вообще можно считать образом просто любой хорошо определенный набор измерений независимо от того, имеют они геометрический характер или нет.

"Tia рис. 1П.1 представлена простая модель системы распознавания образов. В нашем случае рецептором может быть расположенный на борту самолета или спутника многоспектральный сканер, как описано в гл. II. Выход рецептора - на-

* Хотя идея использования «словаря образов»-удобный способ описания работы системы распознавания образов, читатель должен быть осторожен в попытке перенести аналогию слишком далеко в контекст дистанционных исследований. Например, благодаря случайности природы было бы слишком много «альтернативных трактовок» (похожих, но разных образов) для любого данного класса типа покрытия земной поверхности, чтобы можно было составить их исчерпывающий список.