張佳　謝玉鳳

摘 要：該文簡述了高光譜遙感影像分類的策略，主要有監(jiān)督分類與非監(jiān)督分類，基于分類判據(jù)的實(shí)現(xiàn)策略劃分，硬分類和軟分類，基于像素的分類和基于對(duì)象的分類，單分類器和多分類器集成。并簡單介紹了一些分類方法，包括監(jiān)督分類法（最小距離分類法、最大似然分類法和平行多面體分類法）、基于光譜相似性度量的分類方法、人工神經(jīng)網(wǎng)絡(luò)分類法、支持向量機(jī)分類、決策樹分類、面向?qū)ο蠓诸惡头潜O(jiān)督分類。

關(guān)鍵詞：高光譜；分類策略；分類方法

中圖分類號(hào) TP751 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-7731（2017）14-0155-02

隨著遙感傳感器的光譜分辨率不斷提高，許多隱藏的狹窄光譜區(qū)間的地物特征逐漸被發(fā)現(xiàn)，精細(xì)的光譜波段分割，寬泛的光譜探測(cè)范圍是高光譜遙感的重要特征。當(dāng)前使用的航空航天成像光譜儀，其光譜探測(cè)能力有了很大的提高，覆蓋了可見光、近紅外、短波紅外、中波紅外和熱紅外的全部光譜區(qū)。高光譜遙感在國民經(jīng)濟(jì)、國防建設(shè)等方面發(fā)揮了重要的作用，廣泛用于地表分類、目標(biāo)探測(cè)、資源監(jiān)測(cè)等。高光譜遙感影像分類的目的是給予每一像元唯一的類別標(biāo)識(shí)。

1 高光譜遙感影像分類的主要策略

高光譜遙感影像分類的理論基礎(chǔ)是“同譜同物”，同種地物具有相似的光譜特征及空間特征，在影像上呈現(xiàn)高度的相似，基于這種相似，可以實(shí)現(xiàn)對(duì)地區(qū)的識(shí)別。在高光譜影像分類以每個(gè)像元的光譜矢量數(shù)據(jù)為基礎(chǔ)，一個(gè)像元可以看成是N個(gè)特征組成的N維空間中的一個(gè)點(diǎn)，同類地物的像元形成N維空間中的一個(gè)點(diǎn)群，不同地物會(huì)在N維空間中形成若干個(gè)點(diǎn)群，計(jì)算機(jī)分類就是根據(jù)這些點(diǎn)群的位置，分布規(guī)律等，確定點(diǎn)群的界限，從而完成分類任務(wù)。高光譜遙感分類主要策略如下：

1.1 監(jiān)督分類與非監(jiān)督分類 遙感影像分類最傳統(tǒng)的兩種實(shí)現(xiàn)策略是根據(jù)分類中是否引入了先驗(yàn)已知類別的訓(xùn)練樣本，將其劃分為監(jiān)督分類與非監(jiān)督分類，監(jiān)督分類是利用已知的先驗(yàn)訓(xùn)練樣本，依據(jù)判定函數(shù)或判別規(guī)則，確定未知樣本的類別。非監(jiān)督分類是在沒有先驗(yàn)樣本的情況下，根據(jù)樣本本身的特征進(jìn)行統(tǒng)計(jì)，直接進(jìn)行類別劃分的方法。

1.2 基于分類判據(jù)的實(shí)現(xiàn)策略劃分 （1）直接利用原始高光譜數(shù)據(jù)分類，每個(gè)像元在各個(gè)波段的灰度值或反射率形成一個(gè)光譜向量，通過對(duì)光譜向量相似性的度量實(shí)現(xiàn)分類。（2）先對(duì)原始高光譜影像通過波段選擇或者特征提取進(jìn)行降維處理，然后根據(jù)一定的準(zhǔn)則選擇若干個(gè)降維后的分量，作為分類的判斷標(biāo)準(zhǔn)進(jìn)行分類識(shí)別。（3）從原始的高光譜數(shù)據(jù)中提取其他特征（光譜特征，紋理特征等）或引入其他數(shù)據(jù)，綜合采用多維特征分類。

1.3 硬分類和軟分類 硬分類是通過統(tǒng)計(jì)每個(gè)類別的訓(xùn)練樣本，得到該類別基本統(tǒng)計(jì)量，然后將每個(gè)像素與各個(gè)類別的統(tǒng)計(jì)量進(jìn)行比較，取相似性最高的一個(gè)類別作為所處理的像素的最終類別。軟分類是針對(duì)一個(gè)像素往往是由實(shí)際地表上多個(gè)地物類別組成的情況，按照特定的分類算法計(jì)算某個(gè)單一像素與各個(gè)類別之間的關(guān)系，分類輸出的是該像素屬于每個(gè)類別的概率或者每一類別地物在該像素中的比例。目前最主要的軟分類有兩種：模糊分類和混合像元分解。

1.4 基于像素的分類和基于對(duì)象的分類 基于像素的分類是通過判斷每個(gè)像素的類別來實(shí)現(xiàn)影像的分類。近年來，基于對(duì)象的分類是集合臨近像元為對(duì)象識(shí)別感興趣的光譜要素。

1.5 單分類器和多分類器集成 早期的遙感影像分類是利用單一的分類器進(jìn)行分類。模式識(shí)別和實(shí)踐都表明，沒有一個(gè)模式分類器在本質(zhì)上由于其他分類器，因此在實(shí)踐操作中，往往需要引入多個(gè)分類器，把多個(gè)分類器的輸出結(jié)果聯(lián)合起來作為最終的分類結(jié)果。

2 高光譜圖像分類方法

2.1 常規(guī)監(jiān)督分類 監(jiān)督分類是利用已知的先驗(yàn)訓(xùn)練樣本，依據(jù)判定函數(shù)或判別規(guī)則，確定未知樣本的類別。常規(guī)的監(jiān)督分類有最小距離分類方法、最大似然分類法、平行多面體分類。（1）最小距離分類法首先由訓(xùn)練樣本中得出每一類別的均值向量和協(xié)方差矩陣，然后以各個(gè)類別的均值向量作為該類別在多維空間中的中心位置，計(jì)算機(jī)比較各個(gè)像元到各類別中心位置的距離，到哪個(gè)類別中心位置的距離最小，該像元就屬于哪個(gè)類別。最小距離分類法通常使用3種距離判別函數(shù)，分別（上接155頁）是歐氏距離，馬氏距離和絕對(duì)值距離。（2）最大似然分類法認(rèn)為每一類的概率密度呈正態(tài)分布，由每一類的均值向量和協(xié)方差矩陣可以得到在多維空間的多維正態(tài)分布密度函數(shù)。將未知像元代入各類別的概率密度函數(shù)，計(jì)算像元屬于各類別的歸屬概率，將未知像元?dú)w屬到概率最大的類別中。（3）平行多面體分類是在多維特征空間中劃分若干個(gè)互相不重疊的平行多面體（特征子空間）。

2.2 基于光譜相似性度量的分類方法 基于光譜相似性度量的分類方法是指對(duì)每一類別確定其參考光譜，然后對(duì)每一待定類別進(jìn)行光譜測(cè)試，計(jì)算其與參考光譜的相似性，待定類別屬相似性最高的一類。最常用的度量坐標(biāo)包括光譜角、光譜信息散度、光譜互相關(guān)等。

2.3 人工神經(jīng)網(wǎng)絡(luò)分類法 人工神經(jīng)網(wǎng)絡(luò)是由大量處理單元（神經(jīng)元）相互聯(lián)結(jié)形成的網(wǎng)絡(luò)結(jié)構(gòu)，是模仿人的大腦進(jìn)行數(shù)據(jù)接收、處理、儲(chǔ)存和傳輸?shù)囊活愃惴āＨ斯ど窠?jīng)網(wǎng)絡(luò)信息處理是由神經(jīng)元之間的相互作用實(shí)現(xiàn)的，知識(shí)和信息的存儲(chǔ)表現(xiàn)為網(wǎng)絡(luò)結(jié)構(gòu)分布式的物理聯(lián)系，網(wǎng)絡(luò)的學(xué)習(xí)和決策過程決定于各神經(jīng)元連接權(quán)值的動(dòng)態(tài)變化過程。它屬于非線性學(xué)科，具有強(qiáng)抗干擾、高容錯(cuò)性、并行分布式處理、自組學(xué)習(xí)和分類精度高等特點(diǎn)[3，4]。人工神經(jīng)網(wǎng)絡(luò)由三個(gè)基本要素構(gòu)成：處理單元、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及訓(xùn)練規(guī)則。

2.4 支持向量機(jī)分類 SVM是一種新的分類方法，它是利用統(tǒng)計(jì)學(xué)的原理，通過泛化性理論控制超平面的間隔度量抑制過擬合，用最優(yōu)化理論提供的數(shù)學(xué)技術(shù)建立一個(gè)最優(yōu)超平面[5]。在遙感影像分類過程中，通過對(duì)樣本的機(jī)器學(xué)習(xí)，可以建立地物類型和影像信息因子之間的支持向量機(jī)。

2.5 面向?qū)ο蠓诸?面向?qū)ο蟮倪b感圖像分類方法在分類時(shí)不僅依靠地物的光譜特征，更多的是利用其幾何信息和結(jié)構(gòu)信息，圖像的最小單元不是單個(gè)的像素，而是對(duì)象，后續(xù)的圖像分析和處理也都是基于對(duì)象進(jìn)行的。高光譜分類的基本步驟：獲取先驗(yàn)數(shù)據(jù)與背景知識(shí)；對(duì)波段賦權(quán)重，進(jìn)行多尺度分割得出不同的影像對(duì)象層，建立多邊形對(duì)象；將多邊形對(duì)象與先驗(yàn)數(shù)據(jù)綜合，建立分類知識(shí)庫，選擇有效分類特征隸屬函數(shù)進(jìn)行影像分類。

2.6 非監(jiān)督分類 非監(jiān)督分類是沒有先驗(yàn)樣本，按照灰度值向量或者波普樣式在特征空間聚集的情況下劃分點(diǎn)群或類別，按照相似性把圖像中的像素分成若干類別。監(jiān)督分類的目的是使屬于同一類別的像素之間的距離盡可能的小。非監(jiān)督分類時(shí)不必獲取影像的先驗(yàn)樣本，僅依靠圖像上不同類別地物光譜信息進(jìn)行統(tǒng)計(jì)其特征來達(dá)到分類的目的，最后對(duì)給類別的屬性進(jìn)行確認(rèn)。常用的非監(jiān)督分類方法有：K-均值聚類法及ISODATA分類法。

3 小結(jié)

本文主要介紹了高光譜圖像的分類策略及一些常用的高光譜影像分類方法。包括幾種常規(guī)的監(jiān)督分類法（最小距離分類法、最大似然分類法和平行多面體分類法）、基于光譜相似性度量的分類方法、人工神經(jīng)網(wǎng)絡(luò)分類法、支持向量機(jī)分類、決策樹分類、面向?qū)ο蠓诸惡头潜O(jiān)督分類。雖然以上分類法都有各自的優(yōu)越性，但是在一定程度上也都有各自的局限性，因此基于不同的應(yīng)用需求，結(jié)合多種數(shù)據(jù)綜合考慮，選擇合適的分類法或者多種分類方法相互結(jié)合，以期達(dá)到最優(yōu)的分類效果。

參考文獻(xiàn)

[1]童慶喜，張兵，鄭蘭芬.高光譜遙感—原理、技術(shù)與應(yīng)用[M].北京：高等教育出版社，2006.

[2]杜培軍，譚琨.高光譜遙感影像分類與支持向量機(jī)應(yīng)用研究[M].北京：科學(xué)出版社，2012.

[3]韓力群.人工神經(jīng)網(wǎng)絡(luò)教程[M].北京：北京郵電大學(xué)出版社，2006.

[4]洛劍承，周成虎，楊艷.人工神經(jīng)網(wǎng)絡(luò)遙感影像分類模型及其與知識(shí)集成方法研究[J].遙感學(xué)報(bào)，2001，5（2）：122-129.

[5]李國正，王猛，曾華軍，譯.支持向量機(jī)導(dǎo)論[M].北京：電子工業(yè)出版社，2006.

[6]肖奧，趙文吉，胡德勇，等.利用對(duì)象和支持向量機(jī)的遙感信息提取方法探討[J].測(cè)繪科學(xué)，2010，35（5）：154-157.

（責(zé)編：張宏民）