遥感图像分类.docVIP

遥感图像分类 遥感图像的分类就是通过对遥感图像中地物的光谱信息和空间信息进行分析，选择特征，将图像中每个象元按照某种规则或算法划分为不同的类别，然后获得遥感图像与实际地物的对应信息，从而实现遥感图像的分类。一般的分类方法可分为两类：监督分类和非监督分类。将多源数据应用于图像分类中，发展成基于专家知识的决策树分类。 一、监督分类 监督分类（supervised）,又称训练分类法，即用被确认的样本象元去识别其他未知象元的过程。已经被确认类别的样本象元是指那些位于训练区的象元。在这种分类中，分析者在图像上对每一种类别选取一定数量的训练区，计算机计算每种训练样区的统计或其他信息，每个象元和训练样本作比较，按照不同规则将其划分到其最相似的样本类。 监督分类的算法主要有：平行算法、最小距离法、最大似然法等。这里采用最大似然法作为监督分类的算法。 原理：最大似然法假设遥感图像的每个波段数据都是正态分布。其基本思想是：地物类数据在空间中构成特定的点群；每一类的每一维数据都在自己的数轴上成正态分布，该类的多维数据就构成了一个多维正态分布；各类多维正态分布模型各有其分布特征。根据各类已有的数据，可以构造出各类的多维正态分布模型，在此基础上，对于任何一个像素，可反过来求出它属于各类的概率，取最大概率对应的类为分类结果。 步奏：第一步：分析图像 ①打开图像，将图像以5、4、3波段合成RGB显示在#1中。