遥感图像几种分类方法的比较【毕业论文，绝对精品】.docVIP

题目：遥感图像几种分类方法的比较 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 1 摘要 1 第一章 绪论 4 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 7 1.3.2遥感影像在提取信息精度方面存在的问题 7 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 9 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 10 2.1.2 最大似然法 12 2.1.3 平行多面体分类方法 13 2.1.4 最小距离分类方法 13 2.1.5监督分类的特点 14 2.2 非监督分类 14 2.2.1 K-means算法 15 K-均值分类法也称为 15 2.2.2 ISODATA分类方法 16 2.2.3非监督分类的特点 18 2.4遥感图像分类新方法 18 2.4.1基于决策树的分类方法 18 2.4.2 人工神经网络方法 20 2.4.3 支撑向量机 21 2.4.4 专家系统知识 22 2.5 精度评估 23 第三章 研究区典型地物类型样本的确定 25 3.1 样本确定的原则和方法 25 3.2 研究区地物类型的确定 25 3.3样本区提取方案 26 3.4 各个地物类型的样本的选取方法 26 3.4.1 建立目视解译标志 26 3.4.2 地面实地调查采集 27 3.4.3 利用ENVI遥感图像处理软件选取样本点 27 第四章 遥感图像分类实验研究 27 4.1遥感影像适用性的判定 27 4.2分类前的预处理 29 4.2.1空间滤波的处理 29 4.2.2 频域滤波处理 29 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 31 4.3.1监督分类 31 4.3.2 决策树 34 4.4分类后的处理 35 4.5 精度的比较 36 第五章 结论和展望 37 参考文献 38 致谢 39 第一章 绪论 土地利用研究是全球环境变化研究的重要组成部分，土地利用变化驱动因子的研究也是目前研究的热点之一。以往由于一个地区缺乏现在和过去土地利用的最新地图以及缺乏处理大量资料的分析方法，土地利用和覆盖变化的研究工作工期长、误差大、费用高，使土地利用规划受到严重影响。遥感技术则以其快速、准确、准时、周期短等优点在大中尺度的土地利用动态监测中具有明显的优势，在国内外已经得到了广泛应用。 利用遥感手段获得土地利用信息的一个重要的中间环节就是分类。最先出现的分类技术是图像目视解译分类，它可充分利用判读人员的知识，灵活性好，擅长提取空间相关信息，但定位不准确，时效性差，可重复性差，并存在个人差异。目视解译现在仍然被广泛地应用于对精度要求较高的应用中，特别是在对米级高分辨率遥感图像分类时，目视解译精度一般高于计算机分类精度。 计算机遥感图像分类是计算机模式识别技术在遥感领域中的具体应用，其核心任务就是确定不同地物类别间的判别接口和判别准则，可重复性好，定位准确，处理时间短，时效性好。然而与其它的计算机模式识别不同的是，遥感影像数据类别多，含混度大，维数高，高精度的多类别分类识别具有较大难度。传统的计算机分类方法是基于像元光谱统计特性的硬分类，不善于提取空间信息，不容易解决同物异谱、异物同谱、混合像元