遥感图像分类处理：监督与非监督方法

"遥感数字图像的分类处理-algorithms.s..dasgupta.c.h..papadimitriou.u.v..vazirani.mgh.2008" 遥感数字图像的分类处理是遥感技术中的核心环节，其主要目标是通过分析图像中像元的电磁波谱特性，实现地物的自动识别。这个过程涉及到数学和计算机科学的算法，可以视为对模式或数组的分类和识别问题。遥感图像分类通常分为监督分类和非监督分类两种方法。 监督分类是一种基于已知样本的分类方式，首先选择具有代表性的训练区，获取这些区域地物的光谱特征作为训练数据。这些数据用于训练计算机，形成判别模式或判别函数。例如，如果训练区包含地物M1、M2、M3，我们会统计它们在不同波段的均值和标准差。然后，根据这些统计特征，我们可以构建分类器，比如最小距离法或相似判别法。分类器确定了地物类别的中心特征值（参数）和分布范围（阈值），使得计算机能够将未知像元分配到最接近的类别。分类完成后，还需要对分类结果进行精度检验，确保分类器的准确性。 非监督分类则在缺乏已知类别信息的情况下进行，主要依赖于像元数值自身的统计规律来归纳出类别。这种方法不依赖于预先定义的训练样本，而是通过聚类算法发现图像中的自然群体，从而识别出潜在的地物类别。 遥感图像处理与地理信息系统的结合进一步增强了分类的效果。遥感图像处理包括图像增强、辐射校正、几何校正等预处理步骤，有助于提高分类的准确性和可靠性。而地理信息系统则提供了空间分析工具，可以帮助整合遥感数据与其他地理数据，为决策提供支持。 该资源可能是高等师范院校地理专业的一本教材，旨在介绍遥感技术的基本理论和应用。全书内容覆盖遥感的物理基础、航空遥感、航天遥感、遥感图像处理和地理信息系统等多个方面，适用于本科和专科师生，以及相关领域的专业人员参考。教材经过修订，融入了最新的遥感技术成果，以满足教学需求并反映学科的最新发展水平。