遥感计算机的分类原理,遥感图像的计算机分类

版权声明：以上文章中所选用的图片及文字来源于网络以及用户投稿，由于未联系到知识产权人或未发现有关知识产权的登记，如有知识产权人并不愿意我们使用，如果有侵权请立即联系：55525090@qq.com，我们立即下架或删除。

简介：遥感图像的计算机分类

1

一、分类原理与基本过程

遥感图像计算机分类的依据是遥感图像像素的相似度。常使用距离和相关系数来衡量相似度。

采用距离衡量相似度时，距离越小相似度越大。

采用相关系数衡量相似度时，相关程度越大，相似度越大。

遥感图像计算机分类方法

监督分类法：

选择具有代表性的典型实验区或训练区，用训练区中已知地面各类地物样本的光谱特性来“训练”计算机，获得识别各类地物的判别函数或模式，并以此对未知地区的像元进行分类处理，分别归入到已知的类别中。

非监督分类：

是在没有先验类别(训练场地)作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并(即相似度的像元归为一类)的方法。

2

一、分类原理与基本过程

遥感数字图像计算机分类基本过程

根据图像分类目的选取特定区域的遥感数字图像，需考虑图像的空间分辨率、光谱分辨率、成像时间、图像质量等。

根据研究区域，收集与分析地面参考信息与有关数据。

根据分类要求和图像数据的特征，选择合适的图像分类方法和算法。制定分类系统，确定分类类别。

找出代表这些类别的统计特征

为了测定总体特征，在监督分类中可选择具有代表性的训练场地进行采样，测定