遥感图像解译：非监督分类与计算机技术应用

"非监督分类是遥感图像计算机解译中的一种方法，主要涉及遥感数字图像的性质、特点、分类及解译技术。" 遥感数字图像的性质与特点不仅包括以二维数组形式存在，方便计算机存储和处理，而且由于其信息损失少，抽象性强，使得图像分析更为有效。图像的基本表达单位是像素，每个像素具有空间特征和属性特征，可进一步分为正像素和混合像素。遥感数字图像按照波段数量可分为二值、彩色、单波段和多波段图像，每种类型都有其特定的应用场景。 遥感像片数字化过程中，空间采样的比例尺、量化等级和波段配准是关键步骤。例如，黑白图像通常量化为8位，而彩色图像则需要3个8位的波段来形成24位的色彩深度。多波段数字化时，必须确保不同波段的对齐准确。 遥感数字图像计算机分类是遥感应用的核心部分，它利用模式识别理论，通过计算机自动化地将图像分割成不同的地物类别。这涵盖了广泛的应用，如土地利用分类、森林类型识别、植被类型分析和岩性鉴别等。遥感计算机解译的目标是提高信息提取的速度，虽然解译复杂度较高，但借助先进的技术如地学分析、图像处理、GIS、模式识别和人工智能，可以显著提升解译效率和准确性。 例如，Landsat TM真彩色合成影像分类后，可以清晰地展示出地表的各种特征，这对于环境监测、城市规划和灾害管理等领域具有巨大的价值。非监督分类在遥感图像解译中，不依赖预先定义的地物类别，而是通过聚类算法自动发现图像中的相似性，形成不同的类别，这种方法在处理大规模遥感数据时尤为有用。 遥感数字图像计算机解译是一个综合性的过程，涉及到图像的获取、处理、特征提取和模式识别等多个步骤。随着技术的进步，这一领域的应用前景将持续扩大，为地球科学、环境研究和资源管理等领域提供强有力的支持。