1、銀人,A255TM Band 3TM Band 3回 O«rp|s& a552 1萬一Q 曰FMEF營國 Wilier5. SCpHTM Band 3552rtfitn&ie乎 bu時nqa 產占di,sen電 EKTM Band 3- -O 寸WEm上一 O基本知識點一一計算機圖像分類的兩種主要方法圖像分類方法1.監督分類監督分類包括利用訓練區樣本建立判別函數的“學習”過程和把待分像元代入判別函數進行判別過程。監督分類中常用的具體分類方法包括：(1)最小距離分類法，最小距離分類法原理簡單，分類精度不高，但計算速度快，它可以在快速瀏覽分類概況中使用。.11Mhteji

2、hjlr.,qw田ggwMm"Ab4"tB4pd5(2)多級切割分類法，多級分割法分類便于直觀理解如何分割特征空間，以及待分類像素如何與分類類別相對應。(3)特征曲線窗口法，特征曲線窗口法可以根據不同特征進行分類，如利用標準地物光譜曲線的位置(nm)、反射峰或谷的寬度和峰值的高度作為分類的識別點，給定誤差容許范圍，分別對每個像素進行分類；或者利用每一類地物的各個特征參數上、下限值構造一個窗口，判別某個待分像元是否落入該窗口，只要檢查該像元各特征參數值是否落入到相應窗口之內。特征曲線窗口法分類的效果取決于特征參數的選擇和窗口大小。各特征參數窗口大小的選擇可以不同，它要根據地物

3、在各特征參數空間里的分布情況而定。(4)最大似然比分類法，最大似然比分類法(maximumlikelihoodclassifier)是經常使用的監督分類方法之一，它是通過求出每個像素對于各類別歸屬概率，把該像素分到歸屬概率最大的類別中去的方法。最大似然比分類法在多類別分類時，常采用統計學方法建立起一個判別函數集，然后根據這個判別函數集計算各待分像元的歸屬概率。這里，歸屬概率是指：對于待分像元x,它從屬于分類類別k的(后驗)概寸 fgehzl2.非監督分類非監督分類的前提是假定遙感影像上同類物體在同樣條件下具有相同的光譜信息特征。非監督分類方法不必對影像地物獲取先驗知識，僅依靠影像上不同類地物光

4、譜信息(或紋理信息)進行特征提取的統計特征的差別來達到分類的目的，最后對已分出的各個類別的實地屬性進行確認。非監督分類主要采用聚類分析方法，聚類是把一組像素按照相似性歸成若干類別，即“物以類聚”。它的目的是使得屬于同一類別的像素之間的距離盡可能的小而不同類別上的像素間的距離盡可能的大。常用的方法有：(1)分級集群法(HierarchicalClustering)分級集群法采用“距離”評價各樣本(每個像元)在空間分布的相似程度，把它們分布分割或者合并成不同的集群。每個集群的地理意義需要根據地面調查或者與已知類型的數據比較后方可確定。(2)動態聚類法在初始狀態給出圖像粗糙的分類，然后基于一定原則在類別間重新組合其樣本，直到分類比較合理為止，這種聚類方法就是動態聚類。ISODATAISODATAIterative-OrgnizingDataAnalysizeTechnique迭代自組織數據分析技術)方法在動態聚類法中具有代表性。監督分類和非監督分類的根本區別點在于是否利用訓練場地來獲取先驗的類別知識，監督分類根據訓練場提供的樣本選擇特征參數、建立判別函數，對待分類點進行分類。非監督分類不需要更多的先驗知識，它根據地物的光譜統計特性進行分類