文档介绍：第31卷, 第10 期
光谱学与光谱分析 Vol
31, No
10, pp2618-2623
2 0 1 1 年 1 0 月
Spectro sco py and Spectral Analysis O cto ber, 2011
遥感影像分类方法研究进展
贾
坤1, 2, 李强子1* , 田亦陈1 , 吴炳方1
1. 中国科学院遥感应用研究所, 北京
100101
2. 中国科学院研究生院, 北京
100049
摘
要
遥感影像分类是遥感信息提取的重要手段, 是目前遥感技术中的热点研究内容。分类方法是遥感
影像分类的重要内容, 有效地选择合适的分类方法是提高分类精度的关键。随着遥感技术的发展, 传统的非
参数分类方法已经难以满足分类精度需求, 基于智能算法的非参数分类方法得到了迅速发展, 并在遥感影
像分类中发挥着重要作用。近年来, 组合分类器由于能够利用单一分类器的互补信息, 成为了遥感影像分类
的一个新热点。本文综合分析了各种分类方法的特点和优势, 及分类方法的发展趋势, 为遥感影像分类技术
的发展提供科学的参考依据。
关键词
遥感; 分类; 分类器
中图分类号: S127
文献标识码: A
DOI: 10
3964/ j
issn
1000- 0593( 2011) 10- 2618- 06
等[ 7, 8] 。但是, 遥感影像分类方法由于受到诸多因素影响,
引
言如复杂的地表信息、遥感影像的选择、数据预处理质量、分
类方法差异等, 仍然面临着巨大的挑战。
遥感是以电磁波与地球表面物质相互作用为基础, 探遥感影像分类是一个复杂的数据处理过程, 合适分类方
测、分析和研究地球资源与环境, 揭示地球表面各要素的空法的选择是关系分类成功与否的关键因素。通常, 分类方法
间分布特征与时空变化规律的一门科学技术[1] 。通过遥感影可以分为监督和非监督, 参数和非参数, 基于像元、亚像元
像识别各种地面目标是遥感技术发展的一个重要环节, 无论和对象等不同的分类体系。为方便起见, 本文按参数和非参
是专题信息提取、动态变化监测、专题制图, 还是遥感数据数的分类体系对遥感影像分类方法的国内外最新研究进展进
库建设等都离不开遥感影像分类技术[ 2] 。遥感影像分类实际行分析, 总结常用分类方法的特点和优势。一些传统的分类
上就是将图像中每个像元点或每块区域根据其在不同谱段的方法, 如 ISOD AT A, K- 均值、最小距离、最大似然等算法常
光谱特征、空间结构特征或其他信息, 按照某种规则划分为见于各种文献, 本文在此不做详细讨论。
不同的类别[1] 。
最初的遥感影像分类是通过目视解译来实现的, 主要是 1
参数分类器
根据人的经验和知识, 通过解译基本要素和具体解译标志来
识别地物类型。尽管目视解译技术已经很成熟, 但是由于人
参数分类器一般假设数据呈正态分布, 从训练样本中获
工投入大、结果不确定性高、效率低、精度控制困难、解译取分布参数, 进而对未知区域分类。通常的参数分类器包括
经验要求高等缺点的存在, 使得目视解译技术不适合海量遥最大似然、最小距离等算法[1, 9] 。但是对