文档介绍：遥感图像分类研究的进展
摘要:对目前遥感图像分类方法应用研究进行了总结,在此基础上对其在地学应用研究中存在的问题进行了分析,,未来遥感影像的走势和未来的发展方向。
关键词: 遥感图像; 分类方法;分类精度;研究进展
步入21世纪,计算机科学和航天、航空科技越来越被当代社会重视和广泛应用。遥感技术就是其中之一。随着遥感技术的不断研究与发展,遥感技术不仅仅被用于科学研究,还用于民生等方面。遥感信息在各项科学研究、国民经济和军事行业中的应用越来越受到各行各业的重视,遥感技术则被一致的热捧,遥感影像分类则是遥感应用中重要的信息处理手段之一。然而,由于“同物异谱”、“同谱异物”现象的存在,直接利用光谱反射(辐射)特性或影像亮度值提取地物类别,尤其对于两类反射特性相似的地物,导致分类精度下降口]。因此,如何利用遥感影像中丰富的空间和光谱信息来提取鉴别特征并提高遥感影像分类的精度,已成为遥感影像研究中的热点和前沿问题。
遥感技术有分为地质遥感、军事遥感、测绘遥感、林业遥感、农业遥感和环境遥感。
1、遥感图像的分类
对遥感图像进行分类是把遥感图像中的像元点按照不同类别进行划分,或者按照专题进行划分。分类后的每个图像空间的子域都代表着一种实际地物。遥感影像按照传统的计算机分类有种分类方法,一种是统计模式法:例如最大拟然法和K一最近判别法;另一种是句法模拟法。随着遥感技术的不断发展,一些采用句法模拟法的新分类方法越来越多的出现:包括模糊数学发、决策树发、人工神经网络发以及专家系统等。将遥感影音的统计分类继续划分又可以分为:监督和非监督分类。遥感数字图像计算机分类是模式识别技术在在遥感技术领域中的具体运用。它是电子计算机为工具来模拟人类的感知和识别智能,是人工智能的一个分支。利用计算技术及其他模式识别方法来训练计算机的分类功能,从而根据遥感影响上包含的信息将事物按属性进行识别与分类。与传统目视判读方法相比,目的相同,但使用的方法手段不尽相同。
常用的遥感影像的自动分类判断方法和决策理论方法(统计方法)和句法(结构)方法。
2、遥感图像的分类
非监督分类
遥感图像上的同类地物在相同的条件下,一般具有相同或相近的光谱特征,从而表现出某种内在的相似性,归属于同一个光谱空间区域。而不同的地物,光谱特征不同,归属于不同的光谱空间区域,这是非监督分类的理论依据。该分类方法主要是通过系统聚类来进行的。聚类就是把一组像素按照相似性分为若干类,目的是使得同一类别的像素之间的距离尽可能小,而不同类别的像素之间的距离尽可能大。其算法的核心是初始类别参数的确定,以及它的迭代调整问题。主要算法有分级集群法、ISODATA法(迭代自组织数据分析技术)。根据地物的光谱特征进行分类,受人为因素的影响较少,不需要对地面信息有详细的了解,而且算法成熟,操作简单,所以被广泛应用。在初步分析图像时,用非监督分类的方法来研究数据的自然集群分布情况是很有价值的。

参数分类器一般假设数据呈态分布,从训练样本中获取分布参数,进而对未知区域分类。通常的参数分类器包括最大似然、最小距离等算法[1’。]。但是对于遥感影像分类,正态分布的假设通常是不成的,尤其在地物分布比较复杂
的区域,分类精度具有较大的