tm主成分变换影像用于遥感分类的研究 精灵论文g1ybrbk0.docVIP

TM 主成分变换影像用于遥感分类的研究 魏长婧 （中国矿业大学环境与测绘学院，江苏 徐州 221116） 摘要： TM 遥感图像作为现在使用最多的陆地卫星遥感影像，存在着数据量大和多个波段彼 5 此高度相关、图像处理重复性大等问题。为了充分利用 TM 图像的优点，同时避开其不利的 方面，提高 TM 遥感图像分类的精度，本文通过对 TM 图像进行不同方法的主成分变换比较分 析，以及对进行主成分变换后的 TM 图像及原图像进行非监督分类结果的比较分析，得出了 TM 图像经过输出类型为 Byte 的协方差或相关系数主成分变换，再进行非监督分类，可显著 提高分类精度的结论，使得 TM 遥感图像的分类精度得到提高。 10 关键词：TM 遥感图像；主成分变换；非监督分类；比较分析；精度 中图分类号：P237 The research of TM principal component transformation for the classification of remote sensing image 15 WEI Changjing (School of Environment and Spatial Informatics, China University of Mining and Technology, JiangSu XuZhou 221116) Abstract: As the most used landsat remote sensing image, TM remote sensing images have the problem of large and multiple bands of data highly relevant to each other and big repeatability of image 20 processing.In order to make full use of the advantages of TM images, while avoiding its negative aspects and enhancing the accuracy of TM remote sensing image classification, through comparative analysis of different methods of principal component transformation to TM image and also the results of non-supervised classification to primary image and transformed image,this paper maked the conclusion that through the output type Byte covariance or correlation principal component 25 transformation, and then unsupervised classification, the classification accuracy of TM image can be significantly improved,so as to improve the classification accuracy of TM remote sensing image. Keywords:TM remote sensing images; principal component transform; non-supervised classification; the comparative analysis; precision 30 0 引言 Landsat5 卫星上的 TM 遥感图像是现在使用最多的陆地卫星遥感图像[1]。TM 图像以波 段多、空间分辨率高和信息量大为特征，因而对地物的识别能力比较大；但另一方面，由于 波段多和数据量大，也大大增加了处理的时间、经费和技术难度；同时，其中多个波段彼此 高度相关，也增加了许多重复性处理。用主成分图像将 TM 原图像的各波段信息集中到少数 35 主成分图像上的方法已被广泛地使用，但主要是用在图像增强，即彩色合成上，将主成分图 像用于分类的并不多。 为了利用 TM 图像的优势，同时避开其不利的方面，对 TM 图像进行分类，一些研究人 员曾做了将 TM 主成分图像用于分类的实验[2]，但并没有进行各种主成分变换方法对分类结 果影响大小的比较。事实上，有些主成分变换方法对分类结果影响比较大，但有些影响并不 40 大。本文采用了典型地面的 TM 数据，即淮南