毕业论文(设计)-《遥感图像几种分类方法的比较》.doc

题目：遥感图像几种分类方法的比较 摘要遥感图像分类一直是遥感研究领域的重要内容，如何解决多类别的图像的分类识别并满足一定的精度，是遥感图像研究中的一个关键问题，具有十分重要的意义遥感图像的计算机分类是通过计算机对遥感图像像素进行数值处理，达到自动分类识别地物的目的遥感图像分类主要有两类分类方法:一种是非监督分类方法，另一种是监督分类方法非监督分类方法是一个聚类过程，而监督分类则是一个学习和训练的过程，需要一定的先验知识非监督分类由十不能确定类别属性，因此直接利用的价值很小，研究应用也越来越少而且监督分类随着新技术新方法的不断发展，分类方法也是层出不穷从传统的基十贝叶斯的最大似然分类方法到现在普遍研究使用的决策树分类和人工神经网络分类方法，虽然这些方法很大程度改善了分类效果，提高了分类精度，增加了遥感的应用能力但是不同的方法有其不同优缺点，分类效果也受很多因素的影响本文在对国内外遥感图像分类方法研究的进展进行充分分析的基础上，应用最大似然分类法、决策树分类法对 TM 影像遥感图像进行了分类处理在对分类实现中，首先对分类过程中必不可少的并影响分类效果的步骤也进行了详细地研究，分别是分类样本和分类特征；然后详细介绍两种方法的分类实验；最后分别分析分类结果图，采用混淆矩阵和 kappa 系数对两种方法的分类结果进行精度评价。

关键词:TM 遥感影像，图像分类，最大似然法，决策树题目：遥感图像几种分类方法的比较1 摘要1 第一章 绪论4 1.1 遥感图像分类的实际应用及其意义.4 1.2 我国遥感图像分类技术现状.5 1.3 遥感图像应用于测量中的优势及存在的问题.6 1.3.1 遥感影像在信息更新方面的优越性.7 1.3.2 遥感影像在提取信息精度方面存在的问题.7 1.4 研究内容及研究方法.8 1.4.1 研究内容.8 1.4.2 研究方法9 1.5 论文结构9 第二章 遥感图像的分类9 2.1 监督分类9 2.1.1 监督分类的步骤10 2.1.2 最大似然法12 2.1.3 平行多面体分类方法13 2.1.4 最小距离分类方法13 2.1.5 监督分类的特点.14 2.2 非监督分类14 2.2.1 K-means 算法 .15 K-均值分类法也称为15 2.2.2 ISODATA 分类方法 16 2.2.3 非监督分类的特点.18 2.4 遥感图像分类新方法.18 2.4.1 基于决策树的分类方法.18 2.4.2 人工神经网络方法20 2.4.3 支撑向量机21 2.4.4 专家系统知识22 2.5 精度评估23 第三章 研究区典型地物类型样本的确定25 3.1 样本确定的原则和方法25 3.2 研究区地物类型的确定25 3.3 样本区提取方案.26 3.4 各个地物类型的样本的选取方法26 3.4.1 建立目视解译标志26 3.4.2 地面实地调查采集27 3.4.3 利用 ENVI 遥感图像处理软件选取样本点 27 第四章 遥感图像分类实验研究27 4.1 遥感影像适用性的判定.27 4.2 分类前的预处理.29 4.2.1 空间滤波的处理.29 4.2.2 频域滤波处理29 4.3 利用 ENVI 软件对影像按照不同的分类方法进行监督分类 .314.3.1 监督分类.31 4.3.2 决策树34 4.4 分类后的处理.35 4.5 精度的比较36 第五章 结论和展望37 参考文献38 致谢39第一章 绪论土地利用研究是全球环境变化研究的重要组成部分，土地利用变化驱动因子的研究也是目前研究的热点之一。

以往由于一个地区缺乏现在和过去土地利用的最新地图以及缺乏处理大量资料的分析方法，土地利用和覆盖变化的研究工作工期长、误差大、费用高，使土地利用规划受到严重影响遥感技术则以其快速、准确、准时、周期短等优点在大中尺度的土地利用动态监测中具有明显的优势，在国内外已经得到了广泛应用利用遥感手段获得土地利用信息的一个重要的中间环节就是分类最先出现的分类技术是图像目视解译分类，它可充分利用判读人员的知识，灵活性好，擅长提取空间相关信息，但定位不准确，时效性差，可重复性差，并存在个人差异目视解译现在仍然被广泛地应用于对精度要求较高的应用中，特别是在对米级高分辨率遥感图像分类时，目视解译精度一般高于计算机分类精度计算机遥感图像分类是计算机模式识别技术在遥感领域中的具体应用，其核心任务就是确定不同地物类别间的判别接口和判别准则，可重复性好，定位准确，处理时间短，时效性好然而与其它的计算机模式识别不同的是，遥感影像数据类别多，含混度大，维数高，高精度的多类别分类识别具有较大难度传统的计算机分类方法是基于像元光谱统计特性的硬分类，不善于提取空间信息，不容易解决同物异谱、异物同谱、混合像元等问题，常常出现错分、漏分，分类精度不高，且分出的图斑比较零乱，针对传统的计算机分类方法已出现了很多改进。

目前遥感图像分类方法繁多而且种类杂乱，每种方法都有其自身的特点，但也不可避免的有一些缺陷，鉴于这种现状，本文将对土地利用遥感分类技术进行综述，详细阐述了不同类型遥感数据的性质及应用范围，并在综合比较分析研究当前主要的遥感图像分类方法基础上，对一般的统计分类方法、针对实际情况的分类方法及其它较新的分类方法进行了论述1.1 遥感图像分类的实际应用及其意义随着空间科技的发展，各种资源环境监测卫星的发射与运行为地表动态变化研究提供了多平台、多光谱、多时相、大范围的实时信息，遥感技术已成为当前人类研究地球资源环境的一种有力技术手段 在遥感技术的研究中，分类是遥感图像应用的一个重要方面，同时也是学者们研究的重点和热点随着成像技术及相应数据产品不断的发展，遥感图像分类得到了越来越广泛的应用，由单波段的遥感图像到多光谱图像再到高光谱图像，其应用研究得到不断的扩展和深入图像分类是由图像生成专题图的过程卫星遥感图像简称卫星图像关于卫星图像在探测地球资源和环境中的作用，研究者将遥感的地学应用划分为制图、监测和估算在这三方面的应用中，制图特别是专题制图是最常用的，并目_可能是其他两种应用的一个前提条件事实上，许多应用卫星图像进行监测和估算的工作，也常常是与卫星图像的分类和制图联系起来的。

而且有时卫星图像分类还可以仅仅作为提取某些特种信息的手段卫星图像分类的方法是对传统方法的重大改进，是从定性到定量的一次飞跃[6]由于分类的卫星图像都是数字图像，而数字图像的分类又必须通过计算机来进行这种分类能充分利用卫星数据提供的丰富信息，其结果必定是高度定量化的结果，容易进行面积统计，并从理论上来说可以精确到图像和地面上的像元当然，如何作好分类以及分类后的应用，并辅助以较少的人工解译，可以大规模节省人力，节省时间，多数情况下还可以节省经费，并完全可以达到与人工解译、勾绘、转绘、量算和传统统计方法结合相同或更高的精度1.2 我国遥感图像分类技术现状从20世纪70年代起，随着第一颗陆地卫星发射成功，人们就开始利用计算机进行卫星遥感图像的解译研究最初是利用数字图像处理软件对卫星数字图像进行几何纠正与位置配准，在此基础上采用人机交互方式从遥感图像中获取有关地学信息这种方法的实质仍然是遥感图像目视判读，它依赖于图像解译人员的解译经验与水平，在遥感图像分类方法上并没有新的突破20世纪80年代，主要是利用统计模式识别方法进行遥感图像的计算机分类，例如Strahier(1980)使用最大似然法对遥感影像数据进行分类，Goldberg(1983)运用光谱特征对多波段卫星影像进行分类，从中获取森林资源信息。

这种方法的特点是根据图像中地物的光谱特征对影像中的地物进行分类这些方法对遥感图像计算机分类的发展起到了推动作用20世纪90年代期间至今，涌现出了大量的遥感图像分类方法，例如神经网络，支撑向量机等方法都取得较好的效果在改进波段信息方面wilkinson．GG(1996)通过增加空间结构信息来辅助分类)采用波段比值神经网络算法用于遥感图像分类始于1988年因其具有对信息的分布式存储，并行处理、自组织、自学习等特点，在遥感图像分类领域中有较为广泛的应用如Mural．H(1997)提出了基于神经网络和知识发现的分类方法，贾永红等提出了基于BP神经网络的多源遥感影像分类支撑向量机是由Vapnik提出的其基本思想是由事先定义的非线性变换函数集，把向量映射到高维特征空间中，按照支撑向量与决策曲面的空隙极大化的原则来产生最优超平面，然后再把高维特征空间的线性决策边界映射到输入空间的非线决策边界刘志刚探讨了一种基于支撑向量机的遥感影像不完全监督分类新方、法，骆剑承则提出了基于支撑向量机(SVM)的遥感影像空间特征提取的新方法，并以SPOT全色波段影像上城市特征信息的提取为应用实例，并与人工神经网络(ANN)等特征提取方法进行综合比较，认为SVM方法不但能够获得比较高的分类精度，而且在学习速度、自适应能力、特征空间高维不限制、可表达性等方面具有优势。

自从1965年扎德教授提出模糊集理论以来，有关模糊信息处理的理论和应用均取得了重大的进展，并由此产生了模糊模式识别方法后来陆续应用于文字识别、图像分割和语音识别中，并取得了很好的效果由于地球表层信息的复杂性和开放性，地表信息是多维的、无限的，遥感信息传递过程中的局限性以及遥感信息之间的复杂相关性，决定了感信息的分析具有不确定性、多解性和模糊性，实际上遥感图像所包含的不一定是单纯的地物信息，特别是空间分辨率低的或者是地表复杂度高的影像单元中，往往是多种地物的综合反映(即模糊性)这一特点使得基于模糊模式识别分类成为遥感影像分类研究中的一个重要趋势此外，还有像莫源富等专门针对山区遥感图象，提出分区分类法，结合GIS多因子辅助分类及人工屏幕修改，有效地改善了山区遥感图象的识别分类1.3 遥感图像应用于测量中的优势及存在的问题和传统的对地观测手段相比，遥感技术的优势在于:扩大了人们的视野，从可见光发展到红外、微波等波普范围；在遥感与地理信息系统基础上建立的数学模型未定量化研究奠定基础在一些地学研究领域，促进了定性描述为主导以定量分析为主的过度；同时，还实现了空间和时间的转移:空间上野外部分工作转移导师实验室；时间上从过去、现在的研究发展到三维空间上的地预测未来。

1.3.1 遥感影像在信息更新方面的优越性使用遥感数据修测地形图，比常规方法大大缩短了时间；在测图和更新修测地图的作业中使用卫星像片要比使用航片的数量大大减少，从而大量地避免了繁琐重复的相片处理工作，同时降低了成本：卫星遥感制图使用的图像资料标准一致，规格统一，是短时间在相同的条件下获得的，能保障的土产品内容上的协调和作业过程的一致1.3.2 遥感影像在提取信息精度方面存在的问题1.几何校正方法的研究国外一些用户由于没有充分考虑卫星影像的几何模型特征，往往根据航空摄影测量的方法和经验，再加上研究区往往缺乏高精度的控制资料，高分辨率卫星影像的校正结果只满足了搞空间分辨率，不能达到高精度2.信息提取方法的研究随着遥感技术和计算机技术的发展，针对土地覆被专题信息的提取方法不断涌现，因此，信息提取方法体系逐步得到完善．诚然如此，不同信息提取方法各有优劣，单纯利用其中某种方法已经不能满足高精度提取要求，如何综合运用多种方法的优点，扬长避短，将是今后研究的重点之一；地学专家知识在土地覆被专题信息提取中具有重要作用．如何综合运用各种地学专家知识，包括地物的光谱特征知识、空间结构与形态知识、地物之间的空间关系知识等，建立基于相应知识的遥感信息提取模型是遥感信息提取的发展趋势之所在人工智能、非线性理论的引入，使遥感信息计算机提取技术具有了自学习和智能化的特点，更为复杂的图像理解模型也正在研究之中，它们在信息提取领域将发挥越来越重大的作用，有着广泛的应用前景；“面向地块”的土地覆被信息提取充分发挥了遥感的优势，它不仅仅依据地物的光谱特征，而是综合考虑了地物本身的几何和结构信息，不再把单个像素作为图像的最小处理单元，而是把图像先分成“地块”。