資源描述:
《遙感影像監(jiān)督分類與非監(jiān)督分類的比較.pdf》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第34卷第3期河南大學(xué)學(xué)報(bào)(自然科學(xué)版)Vol.34No.32004年9月JournalofHenanUniversity(NaturalScience)Sep.2004遙感影像監(jiān)督分類與非監(jiān)督分類的比較3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(yàn)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)的區(qū)別但也存在一定的聯(lián)系.從分類原理、分類過(guò)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(shì)與發(fā)展前景.關(guān)鍵詞
2、:影像分類;監(jiān)督分類;非監(jiān)督分類中圖分類號(hào):P237文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1003-4978(2004)03-0090-04ComparativeStudyofSupervisedandUnsupervisedClassificationinRemoteSensingImageZHAOChun2xia,QIANLe2xiang(CollegeofEnvironmentandPlanning,HenanUniversity,HenanKaifeng475001,China)Abstract:Thec
3、lassificationofRemoteSensingimagecanbedividedintothesupervisedclassificationandtheunsupervisedclassificationaccordingtowhetherthereistheextantcategory.Thetwomethodshavedifferenceinessence,buttheyareconnectedwitheachother.Thearticlehasanalyzedthediffere
4、nceandrelationofthetwomethodsfromdifferentaspectssuchastheprinciple,thecourseandwaysofclassification,andforecastedthetendencyandprospectoftheimageclassification.Keywords:imageclassification;supervisedclassification;unsupervisedclassification遙感影像分類是影像分析
5、的一個(gè)重要內(nèi)容,它是利用計(jì)算機(jī)通過(guò)對(duì)影像中不同地物的空間信息和光譜信息進(jìn)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(gè)像元?jiǎng)潥w到子空間去.目前國(guó)內(nèi)國(guó)際上對(duì)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)的方法等對(duì)影像進(jìn)行的分類研究方[1-8]面,對(duì)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.按照利用圖像要素的不同,影像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的[9]分類.用計(jì)算機(jī)對(duì)影像進(jìn)行分類應(yīng)用的主要是模式識(shí)別技
6、術(shù),根據(jù)具體應(yīng)用的數(shù)學(xué)方法不同又可分為:統(tǒng)計(jì)法(決策分類法)、語(yǔ)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(guò)程中,根據(jù)是否已知訓(xùn)練樣本的分類數(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(guò)程、分類方法等方面來(lái)探討這兩種分類方法的區(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(jì)的監(jiān)督分類法,也是典型的和應(yīng)用最廣的監(jiān)督分類方法.它建立在Bayes準(zhǔn)則的基礎(chǔ)上,偏重于集群分布的統(tǒng)計(jì)特性,分類原理是假定訓(xùn)練樣本數(shù)據(jù)在光譜空
7、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(guò)計(jì)算標(biāo)本收稿日期:2004202209基金項(xiàng)目:河南省高等學(xué)校創(chuàng)新人才培養(yǎng)對(duì)象基金項(xiàng)目;河南省杰出青年科學(xué)基金項(xiàng)目(99200003);河南省自然科學(xué)基金項(xiàng)目(004070700)作者簡(jiǎn)介:趙春霞(1980-),女,河南大學(xué)碩士研究生13通信聯(lián)系人1趙春霞,等:遙感影像監(jiān)督分類與非監(jiān)督分類的比較91(像元)屬于各組(類)的概率,將標(biāo)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
8、本計(jì)算各類的統(tǒng)計(jì)特征值,建立分類判別函數(shù),最后逐點(diǎn)掃描影像各像元,將像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?dú)w屬于最大判別函數(shù)值的一組.Bayes判別分類是建立在Bayes決策規(guī)則基礎(chǔ)上的模式識(shí)別,它的分類錯(cuò)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)果的精度較差.利用GIS數(shù)據(jù)來(lái)輔助Bayes分類,可以提高分類精度,再通過(guò)建立知識(shí)庫(kù),以知識(shí)來(lái)指導(dǎo)分類的進(jìn)行,可以減少分類錯(cuò)[1]誤