对于遥感图像分类方法的研究与精度评定综述

1、对于遥感图像分类方法的研究与精度评定综述对于遥感图像分类方法的研究与精度评定综述摘 要：从遥感图像分类方法的基本原理入手 ,介绍了遥感图像的分类一些方 法,以及它们近年来的发展，此外还对遥感图像分类研究的精度评定做了一些介 绍。关键词：遥感图像/图像分类/精度评定0引言遥感分类，即遥感模式识别，是把一个像素区分为某一地物类别的过程 。遥感图像分类方法通常分为两大类，即监督分类与非监督分类。非监督分 类是指在缺乏先验类别知识的情况下，只根据本身的统计特性进行分类，监督 分类是根据已知的先验知识（一般由一组样本数据提供），找出各类的特征，根 据这些特征对未知像素进行分类 。遥感技术广泛应用的重要途

2、径之一就是遥 感图像分类，分类的精度直接影响遥感数据的应用水平和实用价值。非监督分 类的方法相对简单一些，但精度差；而监督分类有先验知识做指导，精度相对 较高，但是需要地面采样，成本比较高 。1遥感图像分类原理通常我们所指的遥感图像是指卫星探测到的地物亮度特征，它们构成了光 谱空间，每种地物有其固有的光谱特征，它们位于光谱空间中的某一点，但由 于干扰的存在，环境条件的不同，例如：阴影，地行上的变化，扫描仪视角， 干湿条件，不同时间拍摄及测量误差等，使得测得的每类物质的光谱特征不尽 相同，同一类物质的各个样本在光谱空间是围绕某一点呈概率分布，而不是集 中到一点，但这仍然使我们可以划分边界来区分各

3、类。因此，我们就要对图像进行分类，图像分类的任务就是通过对各类地物波谱特征的分析选择特征参 数，将特征空间划分为不相重叠的子空间，进而把影像内诸像元划分到各子空 间去，从而实现分类5。2遥感图像分类i对于遥感图像分类方法的研究与精度评定综述遥感图像分类主要有两种途径：一是监督分类与非监督分类：二是遥感数字图像的计算机分类。2.1监督分类与非监督分类监督分类是在我们对遥感图像上样本区内地物的类别已知的基础上，把这 些样本类别的特征当做来识别非样本数据的类别的依据。所谓监督分类就是根据我们知道的判别类别和样本类别的经验知识，确定 出判别函数以及判别准则，其中利用一定数量的已知类别的样本观测值把待定

4、 参数求解出来的过程称之为训练或学习，然后把未知类别的样本的所有观测值 代入到这个函数中求出的判别函数，再根据相应的判别准则对该样本的所属类 别做出判定。非监督分类（Unsupervised Classification是一种无先验（已知）类别标准的图像分类是利用不同影像中地物在特征空间中类别特征的差别作为依据的分 类，它是以集群为理论作为基础，用计算机对图像进行集聚统计分析的分类方 法。可以根据待分类样本特征参数的统计特性，建立起一定的决策规则并用来 进行分类。它不需要事先知道类别的特征。它把各样本的空间分布按其一定的 相似性进行合并或分割成一群集，每一群集代表着各自的的地物类别，它需经 实

5、地进行调查或则与已知类型的地物相互比较才能够确定出，它是模式识别的 一种分类方法。2.2遥感数字图像的计算机分类2.2.1神经网络分类法该方法利用计算机模拟人类学习的过程，使得分类趋于人脑化和自动化，也使得遥感图像分类更趋于人类的思维。神经网络分类，可以在一定程度上消除传统遥感分类所带来的模糊性和不确定性。神经网络方法一是用 于遥感图像目标地物特征抽取与选择，二是用于学习训练及分类器设计。近 年来，不同学者分别提出应用网络、Hopfiled网络（用于优化）Kohonen网 络（用于非监督分类），径向基函数神经网络和小波神经网络。神经网络分类法是属于严格“非参”的，不需要任何关于统一分布的先 验

6、知识，但其分类精度依赖于网络训练样本的选取和网络的拓扑结构。同 时，网络拓扑结构的选择还缺乏充分的理论分析，这在一定程度上也限制了神经网络的发展222模糊分类法模糊分类的关键是确定像元的隶属度函数。它是一种典型的“软”分类器。目前，模糊分类器主要包括以模糊集合理论为基础的模糊统计分类，神经 计算技术为基础的人工神经网络模糊分类，基于知识的模糊分类等分类方法。关于模糊分类这方面的研究实例还不多，还有一系列问题有待于进一步探 讨，但其进行遥感图像处理是完全可能的，且具有广阔的应用前景02.2.3专家系统分类法专家系统就是把某一特定领域的专家知识输入到计算机中，辅助人们解决 问题的系统。遥感图像解译

7、专家系统就是利用解译专家的经验和方法进行解译 专家的经验和知识以某种形式形成知识库。该分类方法在分类时需要建立复杂 的知识库。2.2.4支持向量机SVW分类法支持向量机是在统计学习理论VC维理论和结构风险最小化原理基础上发展起来的一种新的模式识别方法，它能够较好地解决小样本学习，非线性及高维 模式识别。许多实验证明，SVM的分类精度都较高，它是分类中的一个新方法。但由 于统计学习理论从发展到比较完善和被广泛重视到现在才只有几年的时间，其 中从理论到应用都还有很多尚未解决或尚未充分解决的问题，如VC维一般情况下如何计算和估计尚没有解决02.2.5面向对象的分类方法该方法是基于影像区域对象的智能信

8、息获取过程，区域对象是由影像分割 生成的同质的相邻像元集合体10 0影像的最小单元不再是单个的像元，而是一 个个由同质像元组成的多边形对象，后续的影像分析和处理也都基于对象进 行。目前，全球第一个面向对象的影像分析软件ecog nition （易康）已在实际中得到应用。面向对象的分类法仅提供给我们一种分类思想（模型），在分类时需要结合 其他具体的分类算法来完成分类226决策树分类法决策树的关键是定义决策树的各个分支。决策树由一个根结点、一系列内 部结点及终极结点组成11。在实际中，决策树的定义是由下往上的过程，在预 先已知 终极类别样本数据的情况下，根据各类别的相似程度逐级往上聚类，每 一级聚

9、类形成一个树结点，在该结点处选择对其往下细分的有效特征，依此往 上发展到“原级”。此分类方法属于非参数分类器该方法简单、易于理解，不要 求研究人员必须具有深厚的专业知识12。3分类后的精度评定分类后专题图的正确分类程度（也称可信度）的检核，是遥感图像定量分 析的一部分。一般无法对整幅分类图去检核每个像元是正确或错误，而是利用 一些对分类误差进行估计13。采集样本的方式有三种：来自监督分类的训练样区；专门选定的实验 场；随机取样。第一种方式对纯化监督训练样区比较有用，但作为检核最后分类图精度不 是最好的方式。第二种方式比较好，它是特定的一些供分析用的实验场。有目 的地、均匀地分布于各个区域，也有

10、不少场地是随机分布的，数量较多，类别 也较多，测定的数据存在计算机中，有些尚需实时测定。第三种方式完全随机 的取样，当然也要根据特殊应用中研究区域的性质和制图类别而设计采样区， 一般不是取单个像元，而是取随机像元群，因为这样容易在航片或地图上确定 样区位置。样区内的信息由地面测量，航片或地图中提取。一般采用混淆矩阵来进行分类精度的评定14。4结束语在用遥感图像进行地物分类时，如何提高分类精度是我们的目标。目视解 译可充分利用判读人员的知识和经验，灵活性好，但费时且存在个人差异。计 算机分类时，它的逻辑推理和空间分析能力还十分脆弱，只能依据一定数学模型 完成大量重复性的数值计算工作，得到目标定位

11、定量的信息，而目标的性质主 要还是通过目视判读的方法来确定。同时，遥感计算机解译的结果，也需要用目视解译的方法进行抽样核实或检验。因此，在许多实际应用中，通常是利用计算数字图像处理技术对遥感图像进行增强和变换，作业人员目视判读确定目标的性质，再由计算机进行一系列复杂的定位，定量计算处理，得到目标的定 性和定量描述，再用目视解译的方法进行抽样核实或检验，这样两者结合，提高 分类精度15。另外，图像的预处理和新的分类方法的出现，也主要是为了提高 分类精度。我们在做实际工作时，要充分利用多源多时相遥感数据，在GIS支 持下，充分利用遥感图像提供的多种信息，综合计算机分类传统和新方法，利 用模式识别和

12、人工智能技术相结合的优势，结合专家知识库中目标地物的解译 经验和成像规律等知识进行分析和推理，实现对遥感图像的理解，很好地完成 对遥感图像的解译。9参考文献1 沈清模式判别导论M.长沙：国防科技大学出版社，19912 孙家柄遥感原理、方法和应用M.北京：测绘出版社，19973 干正如，曾宪珪基于最小距离原理的自适应分类方法.341004 李爽，丁圣彦，许叔朋.遥感影像分类方法研究J.河南大学学报（自然科 学版）,2002,32（2）:70-73 王一达，沈熙玲，谢炯遥感图像分类方法综述，3100286 马霭乃，遥感目视解译的基本理论与方法，7 人工神经网络在遥感数字分类处理中的应用J.国土资源

13、遥感,1998（1）;31-338 毛建旭，王耀南基于模糊高斯基函数神经网络的遥感图像分类J.遥感技术与应用，2001,16 （ 1）： 62-659 辛宪会，郭建星，解志刚 一种基于支持向量机的纹理图像分类方法海洋测绘.2005.03.3010 祝震江基于面对对象发法的高分辨率遥感影像矿山信息提取应用研究中国地质大学（北京）,2010.5.011 潘深，杜培军，张海荣决策树分类法及其在遥感处理中的应用测绘科学,2008-07-2012 王国芳，遥感图像计算机分类方法的演究,03080113 Rui Li, New Method of Remote Sensing Image Classifi

14、cation Based on Ant Colony14 孙家抦.遥感原理与应用.2003.武汉大学出版社15 DAI Liju n , LIU Chua ng Research on Remote Sensing Image of Land Cover Classificati onBased on Multiple Classifier Combination.2011, V ol.16 No.4, 363-368第一章总论错误！未定义书签一、项目概述 错误!二、可行性研究报告编制依据和范围 错误!三、项目主要经济技术指标 错误!四、*国家森林公园概况 错误!第二章 项目背景及必要性 错误

15、!一、项目背景 错误!二、项目建设的必要性与可行性 错误!第三章项目选址分析 错误!一、项目选址 错误!二、项目城市概况 错误!三、经济发展概况 错误!四、公共设施依托条件及施工条件 错误!第四章 需求分析与建设规模 错误!一、*国家森林公园现状与存在问题分析 错误!二、*国家森林公园日容量预测 错误!三、*国家森林公园景区厕所需求面积分析 错误!四、*国家森林公园景区厕所建设规模的确定 错误!第五章项目建设方案 错误!一、景区厕所工程建设方案 错误!二、景区引水上山工程建设方案 错误!三、基础设施工程建设方案 错误!第六章 环境保护与劳动卫生安全 错误!一、环境保护 错误!二、劳动卫生与安全 错误!第七章节约能源 错误!一、节能的相关法律及设计规范 错误!二、节约资源措施 错误!第八章 项目实施进度与管理 错误!一、项目实施进度 错误!二、项目管理 错误!第九章 工程招标 错误!未定义书签。 未定义书签。 未定义书签。 未定义书签。 未定义书签 未定义书签。 未定义书签。 未定义书签 未定义书签。 未定义书签。 未定义书签。 未定义书签。 未定义书签 未定义书签。 未定义书签。 未定义书签。 未定义书签。 未定义书签 未定义书签。 未定义书签。 未定义书签。 未定义