遥感图像分类方法综述.pdfVIP

遥感图像分类方法综述 刘佳馨 摘要：伴随着科学技术在我们的生活中不断发展，遥感技术便应运而生，而 遥感图像因成为遥感技术分析中的不可缺少的依据，变得备受关注。在本文中， 以遥感图像分类方法为研究中心，从传统分类方法、近代分类方法两个方面对分 类方法进行了介绍，并以此为基础对分类思想及后续处理进行说明，进而展望了 遥感图像分类的研究趋势和发展前景。 关键词：遥感图像；图像分类；分类方法 1 引言 遥感，作为采集地球数据及其变化信息的重要技术手段，在世界范围内的各 个国家以及我国的许多部门、科研单位和公司等，例如地质、水体、植被、土壤 等多个方面，得到广泛的应用，尤其在监视观测天气状况、探测自然灾害、环境 污染甚至军事目标等方面有着广泛的应用前景。伴随研究的深入，获取遥感数据 的方式逐渐具有可利用方法多、探测范围广、获取速度快、周期短、使用时受限 条件少、获取信息量大等特点。遥感图像的分类就是对遥感图像上关于地球表面 及其环境的信息进行识别后分类，来识别图像信息中所对应的实际地物，从而进 一步达到提取所需地物信息的目的。 2 遥感图像分类基本原理 遥感是一种应用探测仪器，在不与探测目标接触的情况下，从远处把目标的 电磁波特性记录下来，并且通过各种方法的分析，揭示出物体的特征性质及其变 化的综合性探测技术。图像分类的目的在于将图像中每个像元根据其不同波段的 光谱亮度、空间结构特征或其他信息，按照某种规则或算法划分为不同的类别。 而遥感图像分类则是利用计算机技术来模拟人类的识别功能，对地球表面及其环 境在遥感图像上的信息进行属性的自动判别和分类，以达到提取所需地物信息的 目的。 3 遥感图像传统分类方法 遥感图像传统分类方法是目前应用较多，并且发展较为成熟的分类方法。从 分类前是否需要获得训练样区类别这一角度进行划分，可将遥感图像传统分类方 法分为两大类，即监督分类（supervised classification ）和非监督分类(Unsupervised Classification ) 。 3.1 监督分类（supervised classification ） 监督分类（supervised classification ）又称训练场地法，是以建立统计识别函 数为理论基础，依据典型样本训练方法进行分类的技术。即根据已知训练样区提 供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对 各待分类影像进行的图像分类，是模式识别的一种方法。要求训练样区具有典型 性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立 分类的决策规则，直至满足分类精度要求为止。常用算法有：最大似然比分类 (maximum likelihood classification)， 最 小 距 离 分 类 (minimum distance classification) 。 3.2 非监督分类(Unsupervised Classification ) 非监督分类 (Unsupervised Classification )是以不同影像地物在特征空间 类别特征的差别为依据的一种无先验（已知）类别标准的图像分类，是以集群为 理论基础，通过计算机对图像进行集聚统计分析的方法。根据待分类样本特征参 数的统计特征，建立决策规则来进行分类。而不需事先知道类别特征。把各样本 的空间分布按其相似性分割或合并成一群集，每一群集代表的地物类别，需经实 地调查或与已知类型的地物加以比较才能确定。是模式识别的一种方法。一般算 法有：迭代自组织分类(Iterative Self-Organizing Date Analysis Techniques A),K- 均值聚类分类(K-Mean Classification) 。 4 遥感图像近代分类方法 4.1 神经元网络分类法 神经网络属于非参数分类器。神经元网络分类法是一种通过模拟人脑神经元 对信息进行加工、处理、储存和搜索的过程。由于神经元网络分类方法不需要进 行任何关于统计分布的先验知识，因此与传统方法相比，在用于遥感图像分类时， 不必考虑一像元统计分布特征。另外，神经元网络分类法还可以广泛的应用于多 源遥感数据分类。神经元网络分类法的特点包括以下几个方面：在存储信息时采 用分布式存储，并且可以并行对信息的处