一种改进的最大似然法用于地物识别.PDFVIP

第 19 卷 第 4 期 农 业 工 程 学 报 V o l. 19　N o. 4 54 2003 年 7 月 T ransactions of the CSA E July　2003 一种改进的最大似然法用于地物识别 1 2 吴连喜 , 王茂新 ( 1. 东华理工学院, 抚州 344000; 　2. 中国气象科学研究院, 北京 100081) 摘　要: 该文分析了试验区内的建筑、耕地、园地、林地、水体等 5 种典型地物灰度的概率分布特点, 结果表明这 5 种地物的 灰度概率分布并非标准的正态分布, 而是近似的正态分布。通过对训练样本进行高斯正态化处理, 即用高斯正态函数修正 训练样本的数据, 使参与分类训练样本的灰度概率分布成为标准的正态分布, 进而修正类条件概率密度函数, 尔后用最大 似然法进行分类, 结果使分类精度提高 5. 25% 。 关键词: 最大似然法; 概率分布; 高斯正态函数 中图分类号: T P 79; P 208　　　　文献标识码: A 　　　　文章编号:(2003) 替代 分量, 得 ′分量。将 ′和 、 分量一起进行 I I I H S H IS 1　引　言 逆变换, 得 ′、 ′、 ′分量, ′′′分量经 合成后 R G B R G B R GB 在众多的基于统计模式的遥感图像分类方法中, 最 得H IS 融合后的影像。 影像与 1 影像的时间季节存在差 大似然法有着严密的理论基础, 因而常常被看作衡量其 TM IR S C PAN [ 1 ] 异, 主要表现在耕地的地表特征不同, 即种植的农作物 它分类算法优劣的标准 , 加之最大似然法是现有分类 方法中错误分类概率最低的一种[ 1, 2 ] , 所以, 已成为最广 不同, 但在北京市, 这两个时期耕地上均有农作物, 且均 泛使用的方法[ 1～ 3 ] 。 处于生长旺盛时期, 因此并不影响本文分类类别的辨 最大似然法是基于Bayse 判别, 它要求数据符合高 识。 斯正态分布[ 1～ 4 ] 。而实际的遥感数据往往是近似正态分 2. 2　分类体系的建立 布。对于这种近似正态分布的遥感数据, 以往的研究通 在本研究区域, 根据实地调查情况, 将土地利用类 [ 5 ] 型分成 5 类, 根据 2001 年国土资源部颁布的《全国土地 常将之按着高斯正态分布来处理 , 因而分类结果往往