下载文档原格式
遥感图像计算分类综述1引言随着卫星遥感图像和航空遥感图片分辨率的不断提高,人们可以从遥感图像中获得更多的有用的数据和信息。
伴随着“数字地球”概念的提出,越来越多的民用场合需要用到遥感图像,包括资源调查,自然灾害观测、大气气象预报等。
遥感图像的一个主要研究内容就是分类, 将各种地物划分出来, 最终目的是识别地物。
但由于受到许多条件的限制, 例如大气、地形、分辨率以及混合像元的影响, 分类精度一直不是太高。
许多科研人员为了提高分类精度, 提出了许多分类算法本文主要研究和讨论了遥感图像分类技术的分类方法和算法,并且作了简要的评价。
2图像分类技术遥感图像是按一定比例尺, 客观真实地记录和反映地表物体的电磁辐射的强弱信息, 是遥感探测所获得的遥感信息资料的一种表现形式。
所以, 遥感技术应用的核心问题是根据地物辐射电磁辐射强弱在遥感图像上表现的特征, 判读识别地面物体的类属及其分布特征。
遥感图像特征取决于遥感探测通道、地物光谱特征、大气传播特征及传感器的响应特征等因素。
只要了解这些因素对遥感图像特征的影响, 则可按图像特征判读地面物体的属性及其分布范围, 实现遥感图像的分类识别。
遥感图像分类主要依据是地物的光谱特征,既地物电磁波辐射的多波段测量值,这些测量值可以用作遥感图像分类的原始特征变量。
分类是对图像上每个像素按照亮度并接近程度给出对应类别,以达到大致区分遥感图像中多种地物的目的。
数据挖掘是指从巨量的、有噪音的、随机的数据中提取有效的、新颖的事先未知而又潜在有用的信息, 借助数据挖掘技术提高遥感数据的地物分类和目标识别已成为遥感研究领域的热点之一。
由于数据挖掘研究的发展, 对遥感图像的信息提取也提高到了以主动获取信息的高度，主要有两大方面，监督分类，非监督分类。
2.1监督分类监督分类是一种常用的精度较高的统计判决分类,在已知类别的训练场地上提取各类训练样本,通过选择特征变量、确定判别函数或判别规则,从而把图像中的各个像元点划归到各个给定类的分类方法，间督的分类方法可以分为分布无关方法和与分布有关的统计分类。
实验四遥感图像分类一、背景知识图像分类就是基于图像像元的数据文件值，将像元归并成有限几种类型、等级或数据集的过程。
常规计算机图像分类主要有两种方法：非监督分类与监督分类，本实验将依次介绍这两种分类方法。
非监督分类运用ISODATA（Iterative Self-Organizing Data Analysis Technique)算法，完全按照像元的光谱特性进行统计分类，常常用于对分类区没有什么了解的情况。
使用该方法时，原始图像的所有波段都参于分类运算，分类结果往往是各类像元数大体等比例。
由于人为干预较少，非监督分类过程的自动化程度较高。
非监督分类一般要经过以下几个步骤：初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换、统计分析。
监督分类比非监督分类更多地要用户来控制，常用于对研究区域比较了解的情况。
在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。
对分类结果进行评价后再对模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。
监督分类一般要经过以下几个步骤：建立模板(训练样本)分类特征统计、栅格矢量转换、评价模板、确定初步分类图、检验分类结果、分类后处理。
由于基本的非监督分类属于IMAGINE Essentials级产品功能，但在IMAGINE Professional级产品中有一定的功能扩展，非监督分类命令分别出现在Data Preparation菜单和Classification菜单中，而监督分类命令仅出现在Classification菜单中。
二、实验目的理解并掌握图像分类的原理，学会图像分类的常用方法：人工分类（目视解译）、计算机分类（监督分类、非监督分类）。
能够针对不同情况，区别使用监督分类、非监督分类。
理解计算机分类的常用算法实现过程。
熟练掌握遥感图像分类精度评价方法、评价指标、评价原理，并能对分类结果进行后期处理。
