資源描述：
《遙感影像監(jiān)督分類與非監(jiān)督分類的比較》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、遙感影像監(jiān)督分類與非監(jiān)督分類的比較趙春霞，錢樂祥？（河南大學(xué)環(huán)境與規(guī)劃學(xué)院，河南開封475001）摘要：遙感影像的分類方法按照是否有先驗類別可以分為監(jiān)督分類和非監(jiān)督分類，這兩種分類法有著本質(zhì)的匡別但也存在一定的聯(lián)系.從分類原理分類過程分類方法等不同角度分析了這兩種方法的區(qū)別與聯(lián)系，并展望了遙感影像分類的發(fā)展趨勢與發(fā)展前景.矢鍵詞：影像分類;監(jiān)督分類;非監(jiān)督分類中圖分類號：P237文獻標識碼：A文章編號：1003-4978（2004）03-0090-04rativeStudyofSupervisedandli
2、isupervisedGassificationinRemoteSensingImageZHAOChun2xia,QIANLe2xiang(CollegeofEnvironmentandPlanning,HenanUniversity,HenanKaifeng475001,China)Abstract:TheclassificationofRemoteSensingimagecanbedividedintothesipervisedclassificationandtheunsipervisedclassi
3、ficationaccordingtowhetherthereistheextantcatc^ory.Thetwomethodshavedifferenceinessence,butlheyarcconnectedwitheachothe「.Thearticlehasanalyzedthedifferenceandrelationofthetwomethodsfromdifferentapectssuchastheprinciple,thecourseandwaysofclassification,andf
4、orecastedthetendencyandprospectoftheimageclassification.Keywords:imageclassification;supervisedclassification;unsupervisedclassification遙感影像分類是影像分析的一個重要內(nèi)容，它是利用計算機通過對影像中不同地物的空間信息和光信息進行分析，選擇特征，并將特征空間劃分為互不重疊的子空間，然后將影像中各個像元劃歸到子空間去目前國內(nèi)國際上對影像分類的研究主要集中在應(yīng)用具體的物理的數(shù)學(xué)
5、的方法等對影像進行的分類研究面-8，對于影像分類方法的研究，從不同的方面可以劃分為不同的類型?按照利用圖像要索的不同，影分類大體可以分為三種:一是基于圖像灰度值的分類，二是基于圖像紋理的分類，三是基于多源信息融合分類9?用計算機對影像進行分類應(yīng)用的主要是模式識別技術(shù)，根據(jù)具體應(yīng)用的數(shù)學(xué)方法不同又可分為計法（決策分類法）語言結(jié)構(gòu)法（句法方法）模糊法以及神經(jīng)網(wǎng)絡(luò)法.在影像分類過程中，根據(jù)是否已知訓(xùn)樣本的分類數(shù)據(jù),影像分類方法又可以分為監(jiān)督分類和非監(jiān)督分類?本文主要從分類原理分類過程分洪法等方面來探討這兩種分類方
6、法的區(qū)別與聯(lián)系.1監(jiān)督分類的主要方法最大似然判別法?也稱為貝葉斯（Bayes）分類，是基于圖像統(tǒng)計的監(jiān)督分類法，也是典型的和應(yīng)舟最廣監(jiān)督分類方法?它建立在Bayes準則的基礎(chǔ)上，偏重于集群分布的統(tǒng)計特性,分類原理是假定訓(xùn)練樣本數(shù)在光譜空間的分布是服從高斯正態(tài)分布規(guī)律的,做出樣本的概率密度等值線，確定分類，然后通過計算標收稿日期：2004202209基金項目：河南省高等學(xué)校創(chuàng)新人才培養(yǎng)對象棊金項目；河南省杰出青年科學(xué)基金項目（99200003）；河南省自然科學(xué)基項目（004070700）作者簡介：趙春霞（19
7、80-），女,河南大學(xué)碩士研究生13通信聯(lián)系人1（像元）屬于各組（類）的概率，將標本歸屬于概率最大的一組?用最大似然法分類，具體分為三步:首先確定各類的訓(xùn)練樣本，再根據(jù)訓(xùn)練樣本計算各類的統(tǒng)計特征值，建立分類判別函數(shù)，最后逐點掃描影像各像元，將傷元特征向量代入判別函數(shù)，求出其屬于各類的概率，將待判斷像元歸屬于最大判別函數(shù)值的一組?Bayes為別分類是建立在Bayes決策規(guī)則基礎(chǔ)上的模式識別，它的分類錯誤最小精度最高，是一種最好的分類方法但是傳統(tǒng)的人工采樣方法由于工作量大，效率低,加上人為誤差的干擾，使得分類結(jié)
8、果的精度較差?利用GI5數(shù)據(jù)來輔助Bayes分類，可以提高分類精度，再通過建立知識庫，以知識來指導(dǎo)分類的進行，可以減少分類錯誤的發(fā)生'，這正是Bayes分類的發(fā)展趨勢和提高其分類精度的有效途徑.神經(jīng)元網(wǎng)絡(luò)分類法?是最近發(fā)展起來的一種具有人工智能的分類方法，包括BP神經(jīng)網(wǎng)絡(luò)、Kohonen祀經(jīng)網(wǎng)絡(luò)徑向基神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò)小波神經(jīng)網(wǎng)絡(luò)等各種神經(jīng)網(wǎng)絡(luò)分類法.BP神經(jīng)網(wǎng)絡(luò)模型（前饋網(wǎng)紹模型）是神經(jīng)網(wǎng)絡(luò)的重要模型之一，也
