遥感图像分类是图像信息提取的一种方法，是遥感数字图像处理的重要环节，也是遥感应用最广泛的领域之一在特征空间中，依据像元相似度的大小，归类相似的像元，分离不相似的像元，并给每一个像元赋类别值的过程。分类的总目标是将图像中所有的像元自动进行土地覆盖类型或土地覆盖专题的分类。按人工干预的程度不同，可以分为监督分类法和非监督分类法。本文将结合数字地球开放平台的卫星遥感影像产品，先介绍监督分类，再来介绍非监督分类。
1.监督分类
（1）监督分类的思想
监督分类是一种先识别后分类的方法。该方法首先要进行分类训练，即选择一些有代表性的实验样区，用样区内的各种地物的光谱特征来训练计算机，使计算机取得识别分类判别规则的先验知识，再根据这些先验知识来对未知类别像素进行分类识别。即是利用已知地物的信息对未知地物进行分类的方法。
（2）训练样区的选择
l确定类别数
l对每类选择足够多的有代表性的样本
l分类前分析样本区质量
l准确性——确保选择的样区与实际地物的一致性
l代表性——考虑到地物本身的复杂性
l所以必须在一定程度上反映同类地物光谱特性的波动情况
l统计性——选择的训练样区内必须有足够多的像元
（3）监督分类的分类算法
l参数型分类算法假设一个特定的类别的统计分布一般为正态分布，然后估计这个分布的参量，以用于分类算法中。
参数型分类算法:最大似然法、最小距离法和决策树分类法等。
l非参数型分类算法则对类的分布不做假设。
非参数型分类算法:特征空间和平行六面体法等。
（图源：监督分类方法在遥感影像分类处理中的比较）
（4）判决函数和判决规则
l判决函数:当各个类别的判别区域确定后，用来表示和鉴别某个特征矢量属于哪个类别的函数.
l判别规则:判断特征矢量属于某类的依据。当计算完某个矢量在不同类别判决函数中的值后，我们要确定该矢量属于某类必须给出一个判断的依据。这种判断的依据，称之为判别规则。
（5）监督分类的分类步骤
STEP1：定义分类模板。主要是精确确定训练区样本。
需要从研究区域选取有代表性的训练场地作为样本根据已知训练区提供的样本，通过选择特征参数(如像素亮度均值、方差等)建立判别函数，据此对样本像元进行分类，依据样本类别的特征来识别非样本像元的归属类别
STEP2：评价分类模板。以训练区样本为对象，选择监督分类算法计算分类模板的分类精度，满足精度则进行下一步;若不满足精度，则根据计算的结果并重新采样修改分类模板，然后重新进行分类模板的评价直到满足分类模板精度的要求。
STEP3：执行监督分类。按选择的监督分类算法和规则进行分类
STEP4：对分类结果进行评价。
（6）监督分类方法的优缺点
l优点：根据应用目的和区域，有选择的决定分类类别，避免出现一些不必要的类别；可以控制训练样本的选择；可以通过检查训练样本来决定训练样本是否被精确分类，从而避免分类中的严重错误，分类精度高；避免了非监督分类中对光谱集群的重新归类；分类速度快
l缺点：主观性；由于图像中间类别的光谱差异，使得训练样本；没有很好的代表性；训练样本的获取和评估花费较多人力时间；只能识别训练中定义的类别
（图源：ENVI遥感图像监督分类方法比较）
数字地球开放平台整合汇聚国内外近颗在轨商业、民用遥感卫星资源，提供光学、雷达、高光谱以及红外等多类遥感数据产品，依托专业的售前咨询、智能化遥感数据处理流程和工具，以及完善的售后服务体系，为客户打造高效、高频、高性价比的卫星影像购买以及增值服务方案。
更多卫星遥感影像数据相关产品功能、产品优势、在线体验，请访问查看数字地球开放平台，让空天信息服务触手可及。
转载请注明：http://www.0431gb208.com/sjszyzl/9247.html
