遥感图像分类方法.docxVIP

遥感图像分类方法

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，通过计算机自动或半自动的方法，将图像中的每个像素或区域划分为不同的类别。其目的是提取地表信息，如土地覆盖类型、城市区域划分等，为资源管理、环境监测、城市规划等领域提供数据支持。

遥感图像分类方法主要包括监督分类、非监督分类和半监督分类三大类。选择合适的分类方法需要考虑数据源、分类精度要求、计算资源等因素。

二、监督分类方法

监督分类是利用已知的训练样本，建立地物类别与图像特征之间的映射关系，进而对未知区域进行分类的方法。其主要步骤如下：

（一）数据预处理

1.图像辐射定标：将原始DN值转换为辐射亮度或反射率。

2.图像几何校正：消除传感器成像产生的几何畸变。

3.图像增强：提高图像对比度，突出地物特征。

（二）特征提取

1.颜色特征：利用RGB或多光谱波段提取颜色差异。

2.纹理特征：通过灰度共生矩阵（GLCM）等方法提取纹理信息。

3.形态特征：分析地物的形状、大小等几何属性。

（三）分类器选择与训练

1.常用分类器：

-最大化似然法（MaximumLikelihoodClassification,MLC）

-支持向量机（SupportVectorMachine,SVM）

-神经网络（ArtificialNeuralNetwork,ANN）

2.训练样本选择