遥感图像分类方法总结.docxVIP

遥感图像分类方法总结

一、遥感图像分类概述

遥感图像分类是指利用遥感技术获取的图像数据，通过计算机算法自动或半自动地将像元或地物分类到预定义的类别中。其目的是提取地表覆盖信息，为资源管理、环境监测、城市规划等领域提供数据支持。根据分类对象和精度要求，可分为监督分类、非监督分类和半监督分类等方法。

二、遥感图像分类方法

（一）监督分类

监督分类是利用已知类别样本训练分类器，对未知像元进行分类的方法。其步骤包括样本选择、特征提取、分类器选择和精度评价。

1.样本选择：

-随机选取代表性样本，确保样本分布均匀。

-样本数量应覆盖主要地物类别，一般每类样本不少于30个。

-使用地图或其他资料辅助选择，避免噪声干扰。

2.特征提取：

-常用特征包括光谱特征（如反射率）、纹理特征（如灰度共生矩阵）和多光谱特征。

-可通过主成分分析（PCA）降维，去除冗余信息。

3.分类器选择：

-常用分类器包括：

-最大化似然法（MaximumLikelihoodClassification,MLC）

-支持向量机（SupportVectorMachine,SVM）

-神经网络（NeuralNetworks）

-选择标准：分类精度、计算效率、数据维度适应性。

4.精度评价：

-使用混淆矩阵计算总体精度（OverallAccuracy,OA）、Kappa系数等指标