基于像像数据的高分辨率遥感数据处理方法.docxVIP

基于像像数据的高分辨率遥感数据处理方法 随着新传感器的出现，不同空间分辨率的遥感数据源急剧增加。已从低分辨率、中分辨率到高分辨率形成了不同分辨率的卫星序列。即从分辨率为1 km的MODIS卫星数据到分辨率小于100 m的地球资源卫星,如TM为30 m,SPOT-4为20 m,CBERS-1为20 m,到目前的SPOT-5的全色波段分辨率达到2.5 m,IKONOS全色波段分辨率为1 m,QUICKBIRD全色波段分辨率为0.61 m。 传统的中分辨率卫星数据的遥感图像处理方法是基于像素和统计理论的分类方法,主要包括监督分类和非监督分类,它们都是很成熟的技术方法。常用的监督分类有最大似然法、最短距离法等。常用的非监督分类有ISODATA聚类法、K-均值法等。随着遥感数据源的增多,人们对遥感数据处理分析方法和手段也在不断的发展,新的分类方法和分类思想都在不断地涌现。新近发展起来的一些基于非参数理论的分类方法,如:基于神经网络的、基于证据理论的、基于模糊原理的、基于支持向量机、基于粗糙集理论等。 然而,对于高分辨率的遥感图像,目标物的形状清晰可见,图像上地物景观的结构、形状、纹理和细节等信息都非常突出,而光谱分辨率并不高,因此,针对高空间分辨率图像,在分类时不能仅依靠其光谱特征,更多的是要利用其几何信息和结构信息。相对于高分辨率遥感图像来讲,中分辨率多光谱图像的光谱信息代表了概貌信息,