2019巨量引擎知萌旅游营销白皮书：监督分类详解与遥感信息提取应用

监督分类是遥感图像处理中的关键技术，特别是在旅游行业营销白皮书中，巨量引擎-知萌在2019年四月发布的这份文档详细探讨了这一方法。监督分类，也被称为训练分类法，是一种基于先验知识的机器学习手段，用于识别和区分遥感图像上的不同地物类别。 在监督分类过程中，首先，通过目视判读和野外调查获取对图像中特定区域地物类型的认识，即所谓的先验知识。然后，选取具有代表性的训练样本，这些样本反映了各个类别应有的特征。接下来，计算机对这些训练样本进行分析，计算它们的统计信息和其他特性，并利用这些数据训练一个判决函数，该函数能够根据预设规则对新的、未知类别的像元进行分类。 判决函数的训练是监督分类的核心步骤，它通过比较新像元与训练样本之间的相似性，将新像元分配给与其最相似的类别。这通常涉及到多种分类方法，如最小距离、马氏距离等，这些方法帮助确定像元的归属。例如，最小距离方法衡量的是新像元与已知类别中心点的距离，而马氏距离则考虑了数据的协方差结构，提高了分类的准确性。 监督分类广泛应用于ENVI/IDL这样的遥感软件中，涵盖了多个环节，包括影像信息提取的基础原理，如利用光谱差异和空间变化来识别地物；以及一系列高级技术，如基于专家知识的决策树分类，面向对象分类，地物识别与定量反演，动态监测，立体像对DEM提取等。这种方法尤其适合处理中低分辨率的多光谱影像，但对高分辨率数据和多源数据的需求也日益增长。 值得注意的是，不同的方法有各自的适用范围。例如，人工解译适用于定性信息的提取，而基于光谱计算和计算机自动分类在中低分辨率数据上效果显著。专家知识驱动的决策树分类需要综合多源数据，面向对象分类则适应高分辨率影像并强调特征的自动提取。地物识别与地表反演则涉及定量信息的提取，需要模型支持和特定的数据源，而变化监测和地形信息提取则依赖于多时相影像和立体像对。 监督分类是遥感领域的重要工具，通过结合专业知识、数据处理和计算能力，它在旅游行业的营销策略制定、资源管理以及环境监测等多个领域发挥着不可或缺的作用。随着遥感技术的发展，监督分类方法也在不断优化和扩展，以适应更高精度和复杂性的应用需求。