遥感图像计算机分类详解：步骤与方法

计算机分类在遥感图像解译中的应用是一个关键步骤，它涉及从原始传感器获取的数据到获取有价值的地物信息的过程。本章详细介绍了这个过程的各个环节： 1. **选择特征波段**：首先，根据识别目标确定使用哪种类型的遥感图像（如二值、彩色或单波段或多波段），并选取合适的特征波段，这些波段反映了地物的不同特性。 2. **收集参考信息**：为了精确分类，需要收集和分析地面参考信息，如地图、图件等，作为分类的参照依据。 3. **建立分类体系**：基于识别目标和已有标准，构建一个包含多个类别的分类体系，比如土地利用/覆盖分类、森林类型分类等。 4. **预处理**：对特征波段进行信息增强处理，如去除噪声、增强对比度等，以提高后续处理的精度。 5. **统计特征分析**：研究各类别在不同波段的统计特性，这有助于识别模式和区分不同的地物类别。 6. **判别函数设计**：利用模式识别理论，如监督分类（如支持向量机、决策树等）、非监督分类（如聚类算法）或新兴的方法如人工神经网络和专家系统，设计适合的判别函数。 7. **分类与验证**：对每个像元进行分类，然后通过实地验证和间接验证（如光谱验证）来检查分类结果的准确性。 8. **调整与报告**：根据验证结果调整判别函数，最终完成分类任务，并对结果进行统计和编写报告，总结整个计算机分类的过程。 9. **遥感图像性质与特点**：遥感数字图像以像素形式存在，每个像素代表特定的地理空间位置和属性信息。像素分类有正像素和混合像素之分，图像按波段数量可分为二值、彩色和多波段。 10. **像片数字化**：包括空间采样，确保数字化后的比例尺准确，黑白和彩色像片的量化等级不同，数字化时需考虑反差调节和波段配准。 11. **计算机分类理论基础**：强调了计算机在遥感图像解译中的重要作用，目标是实现自动化处理，提高信息提取速度，尽管它面临的挑战包括解译难度大。 通过以上步骤，遥感图像计算机分类实现了从原始数据到信息提取的高效处理，极大地推动了遥感应用在众多领域的广泛应用，如地理信息系统（GIS）、环境监测、城市规划等。