遥感图像分类方法研究综述.pdfVIP

第２期，总第６４期 国　土　资　源　遥　感 Ｎｏ．２，２００５　 ２００５年６月１５日 ＲＥＭＯＴＥＳＥＮＳＩＮＧＦＯＲＬＡＮＤ＆ＲＥＳＯＵＲＣＥＳ Ｊｕｎ．，２００５　 遥感图像分类方法研究综述 １ １ １，２ １ １ ３ １ 李石华 ，王金亮 ，毕 艳 ，陈姚 ，朱妙园 ，杨 帅 ，朱佳 （１．云南师范大学旅游与地理科学学院，昆明　６５００９２；２．云南省寄生虫病防治所，思茅　６６５０００； ３．云南开远市第一中学，开远　６６１６００） 摘要：综述了遥感图像监督分类和非监督分类中的各种方法，介绍了各种方法的优缺点、适用领域和应用情况，并 作了简单评述，最后，展望了遥感图像分类方法研究发展方向和研究热点。 关键词：遥感；图像分类；分类方法 中图分类号：ＴＰ７５１　文献标识码：Ａ　　　文章编号：１００１－０７０Ｘ（２００５）０２－０００１－０６ 光谱数据的广泛应用，各种新理论新方法相继涌现， ［４，５］ ０　引言 对传统计算机分类方法提出了新的要求 。 随着卫星遥感和航空遥感图像分辨率的不断提 ２　基于统计分析的遥感图像分类方法 高，人们可以从遥感图像中获得更多有用的数据和 信息。由于不同领域遥感图像的应用对遥感图像处 ２．１　监督分类 理提出了不同的要求，所以图像处理中重要的环 监督分类是一种常用的精度较高的统计判决分 节———图像分类也就显得尤为重要，经过多年的努 类，在已知类别的训练场地上提取各类训练样本，通 力，形成了许多分类方法和算法。本文较全面地综 过选择特征变量、确定判别函数或判别规则，从而把 述了这些分类方法和算法，为遥感图像分类提供理 图像中的各个像元点划归到各个给定类的分类方 论指导。 法［２，３，６，７］。常用的监督分类方法有：Ｋ邻近法（Ｋ－ ＮｅａｒｅｓｔＮｅｉｇｈｂｏｒ ）、决策树法（ＤｅｃｉｓｉｏｎＴｒｅｅＣｌａｓｓｉｆｉ １　遥感图像分类研究现状 ｅｒ）和贝叶斯分类法（ＢａｙｅｓｉａｎＣｌａｓｓｉｆｉｅｒ）。主要步骤 包括： 选择特征波段； 选择训练区； 选择或 ① ② ③ 在目前遥感分类应用中，用得较多的是传统的 构造训练分类器； 对分类精度进行评价。 ④ 模式识别分类方法，诸如最小距离法、平行六面体 　　最大似然分类法（ＭＬＣ）是遥感分类的主要手段 法、最大似然法、等混合距离法（ＩＳＯＭＩＸ）、循环集群 之一。其分类器被认为是一种稳定性、鲁棒性好的 ［８］ 法（ＩＳＯＤＡＴＡ）等监督与非监督分类法。其分类结果 分类器 。但是，如果图像数据在特征空间中分布 由于遥感图像本身的空间分辨率以及“同物异谱”、 比较复杂、离散，或采集的训练样本不够充分、不具 “异物同谱”现象的存在，往往出现较多的错分、漏分 代表性，通过直接手段来估计最大似然函数的参数， ［１］ 现象，导致分类精度不高 。随着遥感应用技术的 就有可能造成与实际分布的较大偏差，导致分类结 发展，傅肃性等对Ｐ．Ｖ．Ｂａｌｓｔａｄ（１