基于最大似然法的航空图像分类研究资料.docVIP

基于最大似然法的航空图像分类研究 摘 要：航空图像的分类是其判读和识别的重要技术基础。本文将最大似然法应用于航空图像的分类，给出了利用该方法进行航空图像分类的原理、方法和过程，对于航空图像的分类工作具有一定的指导意义。 关键词：最大似然法；航空图像；图像分类； Aviation image classifying research based on maxium resemble methold Abstract：Aviation image classifying is the important technique basis of interparatation and recognization.This text discussed principle、methlod and process of aviation image by using this metold,in has a certain guiding meaning to aviation image classifying. Keywords： maxium resemble methold； aviation image； image classifying 1、图像分类 图像分类是将图像中所有的像元自动地进行土地覆盖类型或土地覆盖专题的过程,通常是以每一个像元的光谱模式作为基础利用多光谱数据来进行分类。也就是说，根据不同的地物特征所固有的光谱反射和辐射的特征，不同特征类型将会出现不同的DN值的组合。在这一点，一种光谱模式将不全部是几何特性。相反，术语模式指每一个像元在各种波段中获得的辐射量。光谱模式识别是指根据这种像元到像元的光谱信息来自动划分土地覆盖类型的分类过程的总称。 空间模式识别是指图像像元根据和它周围像元的空间关系来进行的图像分类。空间分类可以考虑这样一些方面，如图像的结构、像元的近似度、特征的大小形状、方向性、重复度和上下关系等。这种分类方式试图再现在目视解译过程中由人工分析得到的空间综合。因此，空间模式识别过程比光谱模式识别过程更复杂，而且计算上更精深。 时间模式识别是指在特征鉴别中将时间作为一种辅助信息。例如在农作物调查中，从农作物生长季节中的多个日期图像中有可能辨别出独特的光谱特征和空间变化，而这些特征和变化在单个日期的图像中是不可能判别的。例如，秋季冬小麦田在刚刚播种时不可能将它从裸地里辨别出来，而在春季，冬小麦田的光谱和紫苜蓿田的光谱相似。因此，如果不考虑光谱波段的数目，从任一时期的单幅图像中就不能正确地判别冬小麦田。如果对两个不同时期的图像数据进行分析，则可以很容易地对冬小麦田进行辨别，因为除冬小麦外，没有其他的土地覆盖类型在晚秋会是裸露的，而在暮春是绿色的。 正如我们所描述的图像复原和增强技术一样，图像分类也可以用来结合成混合模式。处理图像分类问题也没有惟一的正确方法。我们可以根据被用来分析的数据的性质、可获得的计算资源及分类数据的应用目的来采用特定的方法。 2、最大似然法 最大似然法在操作步骤上分为两个部分:①设定种子,建立先验概率;②调整分类响应权重系数,分类。通常情况下,要经过多次反复演绎归纳过程,才能获得较好的效果,这是很复杂的过程。而在对“异质同像”的地物信息处理上更是复杂。影像像元本身反映的是地物波谱的辐射强度,像元的灰度值与辐射强度成正比关系。由于像元尺寸的界定,在影像上完全意义的地物像元是很少的,大部分表现为混合像元(图1)。混合像元有两种形式,一种是图斑边界处形成混合像元(如图1A所示)。另一种是小图斑以分散的方式位于背景地物之中(如图1B所示)。 A B 图1　混合象元示意图 前者可以通过边缘检测等手段进行很好识别提。本文主要是针对后者进行研究。通过对混合像元的波谱特征分析,可反映出多种地物信息。例如灌草丛与裸地的混合像元的波谱界于裸地与植被之间,其地物信息一方面为此处有基岩出露,另一方面为植被的长势不是很好,较稀疏。该混合像元可以这样描述,当需要对裸地信息侧重提取时,该混合像元在概率上偏向于裸地类,反之偏向于灌草丛类。这就需要应用最大似然法,它不仅对非混合像元如大片的森林植被有较好的提取,而且通过对已知靶区的训练,获得先验地物发生概率(一般为正态分布),把混合像元按最大发生概率归属类别效果亦很好。 对包含植被的混合像元信息提取,根据不同目的采用不同的方法。如需要获得地面植被覆盖率时,往往采用NDVI来表示。如果是对植被信息识别提取,则主要是采用最大似然法。因此,运用最大似然法对植被信息识别提取存在的主要障碍是“异质同像”,而结果的不确定因素则表现为混合像元。 3、分