遥感分类方法分析.pdf

摘 要 堡蹙蓬查楚A类磅瓷建球瓷源环境豹一静有力豹技术手段，在重民经济的 各个领域有着广泛的应用。随着科学技术的发麟，遥感研究应用正向稽实时动 态燕测、定量分撰、与GIS一体他豹方囱发展。 实现资源环境动态般测等阗题的关键是遥感图象的自动分墨传统的统计 模式识剐方法程遥感模式识鄹的问题中遇到了许多难以克服的豳难。一种融较 有效的方法是使用多层神经网络和BP反向传播算法，它对待分类模式的概率 分布函数形状煎锻定眈传统的统计方法要弱的多，其窝较好静稳健毪。我们注 意到多腰神经网络能够在一定程度上逼近任意飨定的映射关系，利用这一特点， 我ffl尝试了将BP享孛经瓣络矮予复合像素懿分黉，实验结条表麓，这～熬方滚 是方便有效的。径向基函数(RBF)神经网络是一种融合传统的非参数估计法 与感翔瓠模鳘瓣裤经弼络，我们对英在遥感努类中懿斑翅徽了欲步探索。 ＼， i最小距离分类是一黪毒鉴蘩分类方法，它羰理筠单，但精凌较差，潍鞋彳嚣 到实际应用。我们提出了一种新的根据最小距离原理的自适应分类方法，通过 样本集合熬挝形分勰褥到模式分蠢豹继诗，并由此定义点到类别的距离{乍为分 类判据。由于考虑了样本的分布情况，我们定义的距离分类性能较简单欧氏距 离显著提高，对TM遥感数攘的分类取褥了90％以上的分类精度，基本上达到 了实用化的要求。基于近邻估计原理的k-近邻分类算法理论上有很好的性能， 但是计搏量太大，且随样本数髓增多面线性增大，限制了其实际应用。为此我 们设计了基于二叉树攘索的快遽算法，它保持了近邻分类算法的优良健能，蒸 有可实用化的计算速度。 在避感图象中，某蝗地物的光谱特性含混鹰高，仪仅使用光谱数据往往不 能得到壤憨蕊分类精囊，绞理分辑是遴行这类遥感模式谖鬟酶羹要辕麓手段。 我们着煎讨论’了基于分彤维数的纹理特征的提取和使用方法。实验结果表明， 绞理僖慧翡傻爆，挺毒了遥感鬻像中$$瘫、藏镇等含瀑发大豹燕楚魏识别精疫。y4 √ 本文豹工终是安徽察95委．轰秘技攻关项翻“安徽省资源环境遥感动态撮务 体系”的组成部分之一。本文方法有机结合起来，可赣最大限度的利用遥感图 象豹光谱信息秘空闯镶息，达剿较理想靛分类精度，为资源瑙境的遥感动态梭 测打下良好基础。 糙 ABS譬RAeT The are the、most to Remote methodsdo Sensingtechniquesamong powerful researchof resourcesandenvironmentandare usedinnational global widely the ofmodemscienceand of economy．Withdevelopment technologies，research remote ls inthedirectmnot sensmgprogressmg dynamic and with Information integration analysis Geographic Systems(GIs)． The of researchofresources iS andenviromnent keyproblemdynamic automatic