遥感图像分类综述

1 引言

随着卫星遥感图像和航空遥感图片分辨率的不断提高,人们可以从遥感图像中获得更多的有用的数据和信息。 伴随着“数字地球”概念的提出,越来越多的民用场合需要用到遥感图像,包括资源调查,自然灾害观测、大气气象预报等。由于不同场合遥感图像的应用对遥感图像处理提出了不同的要求,所以图像处理中重要的环节——图像分类也就显得尤为重要,经过多年的努力,形成了许多经典的分类方法和算法。 本文主要研究和讨论了遥感图像分类技术的分类方法和算法,并且作了简要的评价。

 

2 图像分类技术

遥感图像是按一定比例尺, 客观真实地记录和反映地表物体的电磁辐射的强弱信息, 是遥感探测所获得的遥感信息资料的一种表现形式。所以, 遥感技术应用的核心问题是根据地物辐射电磁辐射强弱在遥感图像上表现的特征, 判读识别地面物体的类属及其分布特征。遥感图像特征取决于遥感探测通道、地物光谱特征、大气传播特征及传感器的响应特征等因素。 只要了解这些因素对遥感图像特征的影响, 则可按图像特征判读地面物体的属性及其分布范围, 实现遥感图像的分类识别。

遥感图像分类主要依据是地物的光谱特征,既地物电磁波辐射的多波段测量值,这些测量值可以用作遥感图像分类的原始特征变量。分类是对图像上每个像素按照亮度并接近程度给出对应类别,以达到大致区分遥感图像中多种地物的目的。

    图像分类是模式分类 (Pattern Classification)在图像处理中的应用，它完成将图像数据从二维灰度空间转换到目标模式空间的工作。分类的结果是将图像根据不同属性划分为多个不同类别的子区域。

图像分类器 (Image Classifier)的定义如下：

给定一个二值均匀测度函数 P，如果图像中某个区域满足一定意义下的均匀特性，则该区域P值为真，否则为假。对图像的一个分类就是获得图像的一个划分其中代表第i类属性的区域，该区域应满足：

[1]，其中是像素点的总集；

[2] 是连通；

[3]如果，  相邻,且P( ) = True , P() = True ,但P(∪) = False。

理想的分类器应具有两种性质：

[1]分类过程的可重复性，由其他测试者采用相同数据能够获得相同的结论；

[2]鲁棒性 (Robustness)，对输入数据的微小改变不敏感，即输入的微小变化或随机噪声不会影响输出结果的有效性；

一般地，分类后不同的图像区域之间性质差异应尽可能地大，而区域内部性质应保证平稳特性。

图像分类过程主要有 4个步骤，如下图：

图一：图像分类流程

[1]图像数据的预处理：对观测数据作成像处理，以及图像的几何矫正、量化、采样、预滤波、去噪声等处理；

[2]训练集选择：从待处理数据中抽取出具普遍性、代表性的数据作为训练样本；

[3]特征提取：从样本数据中提取特征矢量，完成样本空间到特征空间的转换，特征应反映观测目标的特性；

[4]图像分类运算：基于特征矢量集采用特定的分类器对特征空间进行划分，完成分类工作；

模式分类一般分为统计模式分类和结构模式分类：统计分类着重于定量的统计方法；结构模式分类则基于描述模式的结构信息、结构特征，利用形式语言中的规则进行分类。

从分类前能否获得训练样本类别这一先验信息角度划分，还可以将模式分类分成两大类：有监督分类（ Supervised C1assification）和无监督学习分类(Unsupervised Learning)。

 

2.1 监督分类

监督分类是一种常用的精度较高的统计判决分类,在已知类别的训练场地上提取各类训练样本,通过选择特征变量、确定判别函数或判别规则,从而把图像中的各个像元点划归到各个给定类的分类方法，这种分类方法就是监督分类。主要步骤包括:

1) 选择特征波段；

2) 选择训练区；

3) 选择或构造训练分类器；

4) 对分类精度进行评价；

有间督的分类方法可以分为分布无关方法和与分布有关的统计分类。分布无关方法无需任何有关于观测目标先验概率分布的知识，是一种启发式的学习分类过程，又称无参数的分类。统计分类方法则基于一定的先验概率分布模型，这种分类方法假定数据的概率分布参数待确定，一般概率分布模型多采用多变量 Gaussian分布，因此最终的参数估计就简化到仅需要获得均值矢量，协方差矩阵。

常用的与分布无关的分类方法有：

[a]及近邻法：对于一个样本x，如果它的K个最近邻样本中属于类W的最多，则x就

应被归为W。K近邻法要求有较大的训练集以保证算法的收敛性

[b] 决策树法：有点是分类数较大时，决策树方法性能比较优越，且不论特征空间是否

线性可分，决策树算法均能保证收敛。

分布有关的统计分类方法主要有贝叶斯分类器(Bayesian Classifier)、最大似然度分类。

 

 

 

图二：有监督的分类

有监督分类主要有最小距离分类、马氏距离分类、Parallel pipe、最大似然分类等方法。下面来加以讨论。

 

2.1.1 最小距离

最小距离(又称光谱距离) 判别规则。计算象素矢量与每一个模板的平均矢量的光谱距离. 用光谱距离分类的等式是建立在欧氏距离的基础上的,公式如下:

其中:

n :波段数(维数)；