环境遥感13148.docx
( 4.5 )《环境遥感13148.docx》由会员分享，可在线阅读，更多相关《环境遥感13148.docx（11页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、遥感图像分类方法比较研究摘要：本文文较全面地地讨论了遥遥感图像监监督分类和和非监督分分类中的各各种分类方方法,及该该方法的优优缺点、适适用场合,并作了简简单评价,以期对遥遥感图像分分类方法的的研究有新新的突破。关键字：遥遥感；图像分类类；分类方法法1 引言随着空间科科技的发展展，各种资源源环境监测测卫星的发发射与运行行为地表动动态变化研研究提供了了多平台、多多光谱、多多时相、大大范围的实实时信息，遥感技术术已成为当当前人类研研究地球资资源环境的的一种有力力技术手段段。在遥感技技术的研究究中，通过遥感感影像判读读识别各种种目标是遥遥感技术发发展的一种种重要环节节，无论是专专业信息提提取、动态态变
2、化预测测，还是专题题地图制作作和遥感数数据库的建建立等都离离不开分类类，对照地面面地物类型型，便可以从从影像上进进行地类的的识别。随着近年年来计算机机技术的飞飞速发展，计算机识识别分类成成了遥感技技术应用的的一个重要要组成部分分。计算机识识别分类（即模式识识别）就是利用用计算机对对传感器所所收集的遥遥感信息进进行处理、运运算，最终分出出类别。遥感技术术的改进促促使遥感专专题信息的的提取方法法也在不断断地改进，经历了目目视解译、自自动分类、光光谱特性的的信息提取取及光谱与与空间特征征的专题信信息提取等等多个阶段段。遥感影像像数据类别别多，含混度大大，如何解决决多类别分分类识别并并满足一定定的分类
3、精精度，是当前遥遥感影像研研究中的一一个关键问问题，也是人们们关注的焦焦点。2基于统统计分析的的遥感图像像分类方法法2.1监监督分类监督分类是是一种常用用的精度较较高的统计计判决分类类，在已知类类别的训练练场地上提提取各类训训练样本，通过选择择特征变量量、确定判判别函数或或判别规则则，从而把图图像中的各各个像元点点划归到各各个给定类类的分类方方法2, 3, 6, 77。常用用的监督分分类方法有有: K邻近法法(K-NNeareestNeeighbbor)、决决策树法(Deciisionn Treee Cllassiifier)和贝贝叶斯分类类法(Baayesiian CClasssifieer
4、)。主主要步骤包包括:选择特征征波段；选择训练练区；选择或构构造训练分分类器；对分类精精度进行评评价。最大似似然分类法法(MLCC)是遥感感分类的主主要手段之之一。其分分类器被认认为是一种种稳定性、鲁鲁棒性好的的分类器8。但但是,如果果图像数据据在特征空空间中分布布比较复杂杂、离散,或采集的的训练样本本不够充分分、不具代代表性,通通过直接手手段来估计计最大似然然函数的参参数,就有有可能造成成与实际分分布的较大大偏差,导导致分类结结果精度下下降。为此此,不少学学者提出了了最大似然然分类器和和神经网络络分类器。改改进的最大大似然分类类器多采用用Gausss光谱模模型作为条条件概率密密度函数模模型,
5、其中中最简单的的是各类先先验概率相相等的分类类器(即通通常所说的的最大似然然分类器),复杂的的有Ediiriwiickreema等提提出的启发发式像素分分类估计先先验概率法法。Mcllachllang J用改进进的最大似似然分类器器提出了EEMMLCC遥感影像像分类算法法。通过实实际例子的的综合比较较, EMM MLCC方法对于于比较接近近的类别划划分要优于于传统的MMLC方法法,同时EEMMLCC保留了MLLC方法Bayyes先验验知识融合合的能力,使得辅助助决策知识识可以在BBayess理论的支支持下参与与分类，可以进一一步提高分分类的有效效性。但是, EEMMLCC只是一定定程度上通通过
6、补充样样本数据来来纠正似然然函数参数数的估计，而每一个个类别的分分布仍然只只是对单峰峰形式的逼逼近。在密密度分布特特别复杂而而呈现多峰峰形式，或者类别别间相互交交错等情况况下，EM算法就就需进一步步扩展:用EM算法对对每一类密密度分布进进行再分解解；引进稳健健统计理论论排除密度度分布之间间或来自离离散点的干干扰9。神经网网络分类器器无须考虑虑先验概率率和条件概概率密度函函数模型，通过对样样本反复训训练得到判判别函数，如Biscchof等等应用BPP网对TM图像分分类100，李祚泳应应用BP网对机机载MSSS的4波段图像像分类111，Saluu等应用BiinaryyDiammond网网对TM图像
7、分分类等112。这2种类型型的分类器器都具有较较好的分类类效果，但是，在分类时时他们都没没有考虑图图像类别的的空间相关关性。通过过将光谱空空间上的图图像像素类类别标号过过程看成一一Markkov随机机场，可以实现现含空间相相关性的地地物分类。在在应用Maarkovv随机场模模型分类时时，使用的条条件概率密密度函数模模型和参数数估计的方方法不同，实现也有有很大差异异，比如Yammazakki等使用用启发式的的Markkov模型型对多光谱谱图像分类类13，条件概率率密度函数数采用MAAR模型，参数估计计使用最小小均方误差差估计，其精度高高达98. 28%。于秀兰兰、莫红等等用Marrkov随随机场
8、模型型进行多光光谱遥感图图像分类，其精度高高于最大似似然分类法法14。监督分类算算法在解决决分类问题题中存在许许多不足之之处，要么仅仅仅能解决线线性问题15，要么虽能能解决非线线性问题，但是计算算复杂度高高16，在效率上上无法满足足要求。为为此，近年年来的研究究热点支持向量量机(SVVM)的3大基础理理论(结构构风险理论论、二次优优化理论、核核空间理论论)177，用于解决决非线性问问题。如胡胡自伸等利利用葡萄牙牙里斯本地地区TM图像做做实验，并同采用用神经网络络方法的分分类精度作作比较，其精度高高于基于神神经网络分分类的精度度。针对SSVM核空空间理论中中核函数无无法根据问问题自适应应地进行选
9、选择这一情情况，刘伟强等等又提出了了一种核函函数的选择择策略改进后的的自适应最最小距离分分类法(KKAMD)16。通过实实验，其分类精精度明显高高于自适应应最小距离离分类法的的分类精度度。但是，KAMDD法仅在一一个核函数数集合里有有效,不能能保证它有有效地映射射到合适的的高维空间间。如朱建建华利用自自适应最小小距离方法法的监督分分类实验表表明,该方方法精度可可达92. 9%,适用于多多类别遥感感图像分类类15。2.2非非监督分类类方法非监督分类类是在没有有先验类别别知识的情情况下，根据图像像本身的统统计特征及及自然点群群的分布情情况来划分分地物类别别的分类处处理。非监监督分类方方法是依赖赖图
10、像的统统计特征作作为基础的的，它并不需需要具体地地物的已知知知识。采采用非监督督分类还可可以更好地地获得目标标数据内在在的分布规规律。非监监督分类方方法有贝叶叶斯学习、最最大似然度度分类以及及聚类(CClustterinng)。无无监督的贝贝叶斯方法法和最大似似然度方法法与有监督督的贝叶斯斯学习以及及最大似然然度方法基基本相同，唯一的区区别在于无无已知类别别的样本可可供参考。聚聚类技术是是基于相似似度概念和和算法将性性质很相似似的样本聚聚为一类。目前有效的的聚类方法法有:(1)超空空间分类算算法。如KK-meaans聚类类18。K-meeans方方法属于动动态聚类法法，它以误差差平方和最最小作
11、为聚聚类的评判判准则119。其其优点是通通过最小空空间距离达达到均衡状状态，缺点是不不能自动确确定聚类数数。例如陈陈华、陈书书海等利用用K-meeans算算法进行遥遥感分类，取得了很很好的效果果19。(2)ISSODATTA算法。该该算法虽可可自迭代由由少到多地地确定类数数，但参数确确定困难,一些距离离参数要随随维数的变变化作相应应的调整18220。超超空间聚类类对维数比比较高的超超谱遥感数数据的聚类类效果不理理想，许多超谱谱图像聚类类算法从所所有波段中中选择起主主要作用的的子集，既减少维维数，又保留主主要信息，但可能同同时又丧失失一些关键键的分类特特征。(3)主成成分分析算算法(PCCA)。
12、通通过K-L变换抑制制具有较少少信息量的的系数来实实现数据维维的减少，但求协方方差矩阵相相当耗时，它将多维维光谱信息息转换成少少数几个主主成分，这几个成成分包含了了大多数的的图像信息息,提高了了分类的效效率211。(4)独立立分量分析析(ICAA)方法。它它能从观测测信号出发发，估计出已已知的信息息量很少的的源信号，而所获得得的源信号号是互相独独立的。主主成分分析析是基于二二阶统计量量的协方差差矩阵，而独立分分量分析则则基于高阶阶的统计量量，不但能实实现主成份份分析的去去相关特性性，而且能获获得分量之之间相互独独立的特性性。因此，独立分量量分析能获获得较主成成分分析更更好的效果果。(5)正交交
13、子空间投投影(OSSP)方法法22, 23。该方法法选择一些些主要目标标或方向作作为基，然后对所所有像素进进行正交投投影，并在投影影数据上继继续寻找次次优目标或或方向。OOSP方法法主要的基基可表示绝绝大部分信信息，从而减少少数据维，因其分类类结果是混混合像元在在不同基上上的灰度表表示，以致分类类效果不明明显，且分类数数受波段数数的限制。(6)基于于夹角余弦弦的相似系系数聚类方方法。如王王志刚等21将将其应用在在岩性识别别中，吴革洪等等24将其应用用在储层油油藏分类中中，贺德化等等25也证明了了夹角余弦弦作为聚类类结果的相相似性度量量指标是合合理的，对真实分分类下的类类内样品差差异不敏感感，对
14、类间距距离差异敏敏感。通过上述分分析可知，基于统计计分类的监监督和非监监督分类方方法由于单单一地依靠靠地物的光光谱特征，因此对某某些地区和和某些地物物的分类效效果不理想想，如果对分分类器加以以改进或者者与其它方方法结合使使用，效果会更更好。为此此，许多科学学工作者在在此基础上上发展了其其它新的分分类方法。3人工神神经网络分分类神经网络属属于非参数数分类器，该方法用用于遥感分分类始于11988年年。其中多多层感知器器模型应用用最为广泛泛。人工神神经网络是是基于生物物神经系统统的分布存存储、并行行处理及自自适应学习习这些现象象构造出具具有一些低低级智慧的的人工神经经网络系统统。当然，这种人工工神经
15、网络络只是大脑脑的粗略而而简单的模模仿，在功能和和规模上都都比不上真真正的神经经网络。近近年来，神经网络络被广泛应应用于遥感感图像分类类。不同学学者分别提提出或应用用BP网11、三维Hoopfieeld网26、径向基基函数神经经网络227和小小波神经网网络288等对遥遥感图像进进行监督分分类。这些些神经网络络在遥感图图像自动分分类上都有有一定的应应用，并取得较较好的效果果27-32。目目前常用的的方法是RRumlhhart、McCllellaand等提提出的前向向多层网络络的反向传传播(BaackPrropaggatioon)学习习算法(简简称BP算法)。如，李颖、赵赵文吉利用用Landdsa
16、t图图像分别采采用成熟统统计方法和和流行神经经网络方法法对北京某某地区土地地利用信息息分类提取取，结果表明明，神经网络络明显优于于统计方法法33。熊桢、童童庆禧等利利用高阶神神经网络算算法对北京京沙河镇地地区的高光光谱数据进进行了分类类实验，取得了很很好的效果果，其训练样样本和测试试样本的分分类精度达达到90%以上344。然而,它们们的分类精精度同样依依赖于网络络训练样本本(教师信信号或目标标输出)的的选取,只只是在算法法上加以改改进,在一一定程度上上限制了神神经网络的的发展, BP网等等存在网络络训练速度度慢、对各各类分类性性能差别较较大、不易易收敛到最最优以及BBP网隐层层数目和隐隐层节点
17、数数确定较为为困难等缺缺点。为此此,美国MMathWWork公公司于19982年推推出Mattlab,利用Maatlabb平台构建建自组织神神经网络来来分类遥感感图像,希希望在没有有教师信号号的同时同同样能达到到提高分类类精度的目目的。张学学友、冯学学智等利用用TM数据对对浙江省土土地利用信信息提取时时,比较了了BP方法和和Kohoonen方方法,结果果表明,用用Kohoonen方方法对图像像分类的精精度要比用用BP方法高高出1% -5%355。但是,神经经网络拓扑扑结构的选选择缺乏充充分的理论论分析,其其链接权值值的物理意意义不明确确,这导致致了人们无无法理解其其进行推理理的过程;而一般的的
18、模糊系统统,其编码码的精度较较低,缺乏乏自学习能能力。模糊糊技术和神神经网络技技术的融合合克服了神神经网络和和模糊逻辑辑在知识处处理方面的的缺点336388。采用用神经网络络来进行模模糊信息处处理,就可可以利用神神经网络的的学习能力力来达到调调整模糊规规则的目的的,从而使使模糊系统统具备了自自适应的特特性。为了了更好地解解决混合光光谱的问题题，近年来又又出现了数数学形态学学应用于遥遥感图像处处理中，其分类的的精度远远远高于最大大似然法。不不久前，加拿大学学者将多级级形态分解解应用于一一幅SPOOT全色波波段图像上上的一个子子景区土地地覆盖的分分类处理，经形态边边缘检测的的分类精度度较高339。
19、国国外在数学学形态学应应用于遥感感图像处理理方面的研研究相当深深入，且颇有新新意，应用结果果是令人鼓鼓舞的，而国内研研究却很少少。数学形形态学作为为遥感图像像处理的有有效手段之之一，有很好的的应用前景景。4基于多多源数据融融合的分类类多源信息融融合就是把把多种信息息(遥感和和非遥感数数据)按照照一定的方方式有机地地组合成统统一的信息息模型。这这类方法有有基于知识识的推理、信信息融合、空空间数据挖挖掘等。知知识的推理理方法可以以利用现有有的GISS数据和先先验知识，可以减少少分类时遇遇到的“同物异谱谱”和“同谱异物物”的现象55。信息息融合是利利用多个遥遥感信息源源所提供的的反映所处处环境或对对
20、象的不同同特征信息息之间的互互补性和冗冗余性，采用有效效的方法将将它们融合合，弥补单一一信息源的的缺陷227。GIS作为为辅助数据据用于提高高遥感图像像分类精度度是近年常常采用的方方法。GIS可作为为辅助数据据用于训练练区的选择择、分类数数据预分层层及分类后后处理，或作为附附加波段用用于分类的的过程。例例如，R.M.Proll-Leddesmaa将TM图像和和地形图结结合采用监监督分类方方法对Meexicoo郊区的土土地利用变变化进行分分类，分类精度度达到822%400。程昌昌秀在土地地利用动态态监测中，将土地利利用现状的的矢量数据据与同年同同地区的遥遥感影像做做配准与叠叠加，对于少数数地类不
21、单单一的图斑斑做局部边边界提取，使分割后后输入图斑斑内的地类类单一，再以图斑斑为单位提提取整个图图斑的灰度度特征、纹纹理特征和和形态特征征等多种判判别指标，大大提高高了影像的的判别精度度41。但是，当分分类器要求求数据具有有一定的统统计特征时时，而多数GIIS数据作作为辅助数数据往往又又不满足统统计分类所所要求的统统计特性。这这样附加“波段”方法就不不合适。为为解决这个个问题,有有不少研究究者提出了了知识驱动动的遥感解解译，即将空间间数据发掘掘和知识发发现作用于于GIS数据据库并用于于遥感分类类。空间数数据挖掘是是从空间数数据库中提提取用户感感兴趣的空空间模式与与特征、空空间与非空空间数据的的
22、普遍关系系及其它一一些隐含在在数据库中中的普遍的的数据特征征的过程42。它它主要是采采用数据发发掘技术从从GIS数据据库和遥感感图像中发发现知识，用于改善善遥感图像像分类。这这类方法可可以利用已已经获得的的相关知识识来改进或或确定分类类结果，但是需解解决多种信信息不一致致时的问题题。例如，游代安提提出了从GGIS空间间数据库中中挖掘知识识用以辅助助遥感影像像分类,以以提高分类类精度443。邸邸凯昌等将将该方法用用于北京地地区SPOOT多光谱谱图像和GGIS数据据库进行土土地利用分分类，能较好地地解决同物物异谱，异物同谱谱等问题，分类精度度得到提高高，并且能根根据发现的的知识进一一步细分类类，扩
23、展了图图像分类的的能力442。5基于专专家知识和和地学知识识的图像分分类传统的统计计方法和神神经网络分分类方法缺缺乏地学知知识的支持持，难以反映映一些特殊殊类型的地地学分布。因因此，一些学者者尝试利用用地学知识识并将其形形式化、知知识化、逻逻辑推理进进行信息判判别或用计计算机模拟拟地学专家家对遥感影影像进行综综合地学解解译和决策策分析。进进而出现了了专家系统统在遥感图图分类中的的广泛应用用。然而，大多数是是将知识用用于对分类类后的影像像作后处理理。如黎夏利用用地物的形形状信息对对分类结果果作后处理理，并提高了了分类精度度44。H.Muuaraii利用地物物之间的相相生和空间间配置关系系对分类结
- 配套讲稿：
如PPT文件的首页显示word图标，表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制：
部分文档作品中含有的国旗、国徽等图片，仅作为作品整体效果示例展示，禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词：
- 环境遥感 13148
淘文阁 - 分享文档赚钱的网站所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
限制150内