陳平 王炬城

[摘要]隨著遙感影像分辨率的不斷提高，人們從影像上獲得更多有效的信息。然而在圖像處理分析過程中都離不開對類別的劃分， 參照地物類型，便可以從圖像上對地物分類。影像的分類是通過計算機(jī)將影像像素進(jìn)行數(shù)值化，達(dá)到自動識別地物將其歸類，但不同的方法有其不同優(yōu)缺點，分類效果也受很多因素的影響。本文將對常用的幾種分類方法進(jìn)去對比分析。

[關(guān)鍵詞]遙感圖像分類 最大似然 面向?qū)ο?決策樹分類 精度評價

[中圖分類號]P217 [文獻(xiàn)碼] B [文章編號] 1000-405X（2015）-9-164-1

0引言

在當(dāng)前遙感影像分類應(yīng)用中，常用基于數(shù)理統(tǒng)計的監(jiān)督分類， 其中的最大似然法在應(yīng)用最為廣泛。但是這種算法會因大量存在的“異物同譜”、“同物異譜”現(xiàn)象以及遙感圖像自身的空間分辨率問題從而出現(xiàn)較多的漏分、錯分的情況[1] 。隨著遙感應(yīng)用技術(shù)的不斷發(fā)展，人們對遙感影像分類計算方法在分類精度、時間度等方面也不斷提地提出了新的需求[2][ 3]，因此各種分類方法不斷被研究發(fā)現(xiàn)。目前已經(jīng)出現(xiàn)了多種新型分類方法， 比如模糊法、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、面向?qū)ο?、支撐向量機(jī)等分類法。

1分類原理

本文將分別使用最大似然、面向?qū)ο蟆Q策樹這三種分類方法對美國陸地衛(wèi)星landsat-5 TM多光譜遙感圖像作為主要數(shù)據(jù)源進(jìn)行分析和處理。并以分析和處理后的數(shù)據(jù)結(jié)果對這些分類方法在分類時間、分類精度和分類速度方面做出比較。

1.1最大似然分類方法

最大似然（maximum likelihood classifier）是通過算出遙感影像中的每個像元相對于每個地物類別的歸屬概率，然后把這個像元劃分到出現(xiàn)概率最大的類別中。該方法假設(shè)訓(xùn)練區(qū)地物的特征符合隨機(jī)現(xiàn)象，服從正態(tài)分布，利用訓(xùn)練區(qū)特征求出均值、方差和協(xié)方差等特征參數(shù)，求出總體的先驗概率密度函數(shù)。最大似然分類方法是最常使用的監(jiān)督分類方法之一。

1.2面向?qū)ο蠓诸惙椒?/p>

面向?qū)ο蠓指钤恚喊凑找欢ǖ囊?guī)則將影像分割成具有不同特性、相互獨立像元的集合過程。其分割結(jié)果是把影像分解成與實際地物相對應(yīng)的不同部分， 一個集合即為一個實體。圖像分割過程中同時利用影像的光譜信息和空間信息，在影像上識別和劃分出合適的類別集合。

1.3決策樹分類方法

決策樹分類基本[4，5]原理是：參照一定的規(guī)則將影像數(shù)據(jù)集由上至下逐步劃分，最終獲得含有不同屬性的子類別。分類決策數(shù)由一個根節(jié)點（Root nodes）、多個內(nèi)部節(jié)點（Internal nodes）和終極節(jié)點（Terminal nodes）組成，一個內(nèi)部節(jié)點往上只有一個父節(jié)點，往下有兩個或多個子節(jié)點。在每一個內(nèi)部節(jié)點處會按照一定的規(guī)則將該處的數(shù)據(jù)集劃分為兩個子集，如此往復(fù)直到所有的數(shù)據(jù)集被分為和預(yù)期設(shè)想的各個子集一致為止。決策樹能夠處理光譜信息、紋理信息和高程等多源數(shù)據(jù)。

2結(jié)論與分析

通常“同物異譜”與“異物同譜”在影像處理過程中存在，以及在樣本選擇中人為誤差因素的影響，不同的分類方法的分類結(jié)果都會存在一定的誤差，導(dǎo)致其結(jié)果不能完全準(zhǔn)確的反應(yīng)真實的地物。本文也采用誤差矩陣總精度和Kappa系數(shù)來進(jìn)行[6，7]。

實驗結(jié)果進(jìn)行對比與分析，得出在這三種方法中，最大似然分類法分類精度最高，較好的區(qū)分容易錯分的地物，能精準(zhǔn)的提取出實際地類。決策樹分類法、面向?qū)ο蠓椒ǖ木认鄬σ草^高，面向?qū)ο笤趯ο蠼⑦^程中較為復(fù)雜，要做到精準(zhǔn)還得靠先驗知識的積累，最終人為因素導(dǎo)致精度受限。決策樹的分類精度也受到一定的限制是因在規(guī)則的獲取、量化及綜合不確定性知識等方面是實驗者較難處理的問題，需要時間和經(jīng)驗去驗證結(jié)果。最大似然法由于分類精度高，且計算時間快，仍是使用較多的分類方法。

3結(jié)論

遙感圖像分類是其在應(yīng)用過程中必不可少的部分。在分類過程中，最終選擇何種方法主要取決于圖像特征、應(yīng)用的要求，根據(jù)實際的需要，合理科學(xué)的運用分類方法，必要的時可混合使用兩種或多種方法，使影像分類達(dá)到預(yù)期的目的。

參考文獻(xiàn)

[1]楊凱.遙感圖像處理原理和方法[M ]. 北京： 測繪出版社，1988.

[2]駱劍承，王欽敏，馬江洪，等. 遙感圖像最大似然分類方法的EM改進(jìn)算法[ J ]. 測繪學(xué)報， 2002， 31 （3） ： 234 - 239.

[3]楊存建，周成虎. 基于知識的遙感圖像分類方法的探討[ J ]. 地理學(xué)與國土研究， 2001， 17 （1） ： 72 - 77.

[4]徐會明，靳小兵，季海，等.決策樹法在雷電潛勢預(yù)報中的應(yīng)用[J].高原山地氣象研究，2008，28（4）：55-58

[5]Friedl M A，Brodley C E，Strahler A H.Maximizing Land Cover Classification Accuracies Produced by Decision Trees at Continental to Global Scales[J].IEEE Transactions on Geoscience and Remote Sensing，1999，37（2）：969-977

[6]吳健平，楊星衛(wèi).遙感數(shù)據(jù)分類結(jié)果的精度分析[J].遙感技術(shù)與應(yīng)用1995，10（1）：17-24.

[7]Rasim Latifovic， Ian Olthof. Accuracy assessment using sub-pixel error matrices of globalland cover products derived from satellite data[J]. Remote sensing of Environment， 2004，90：l53-165.