遥感图像计算机分类技术详解

"遥感图像计算机分类是一种利用计算机算法对遥感图像进行自动分类的技术，旨在识别和区分图像中的不同地物类型。该过程包括非监督分类和监督分类两种主要方法，涉及多个步骤，如初始分类、专题判别、分类后处理、色彩重定义以及栅格矢量转换等。" 在遥感图像计算机分类中，非监督分类是不依赖于先验知识或训练样本的一种方法。其主要包括以下步骤： 1. **初始分类**：这是分类的第一步，通常采用聚类算法，如ISODATA，将像素按照相似性分组。在实际操作中，建议设置的分类数目比预期类别多一倍，以获得更精细的分类结果。 2. **专题判别**：在初步分类后，需要对生成的类别进行评估和调整，这包括编辑类别颜色和名称，以便于视觉识别和理解。同时，通过对比显示工具（如flicker、Blend、Swipe）比较不同分类方案的效果。 3. **分类后处理**：这一阶段主要包括聚类统计、过滤分析和去除分析。聚类统计用于了解类别的分布情况，如果计算时间过长，可以选择较小的邻域参数。过滤分析用于去除过小的图斑，确保每个类别具有足够的面积。去除分析则可以根据最小图斑大小设定，消除噪声或误分类的小区域。此外，分类重编码可以对分类结果进行重新编码，以便合并或优化类别。 4. **色彩重定义**：为了使分类结果更加直观，可以对分类后的图像进行色彩重定义，以不同的颜色表示不同的地物类别，提高可视化效果。 5. **栅格矢量转换**：在分类处理完毕后，有时需要将分类结果从栅格数据转换为矢量数据，以便进行空间分析和GIS操作。这可以通过软件中的相应工具实现，如main>vector>rastertovector。 另一方面，**监督分类**则需要预先定义好类别并收集训练样本。分类过程包括定义分类模板、评价模板、执行分类和评估分类结果。这种方法通常能提供更高精度的分类，但需要更多的前期准备。 遥感图像计算机分类是一项涉及多步骤、多技术的复杂任务，需要根据具体的应用需求和图像特性选择合适的方法和工具，以期达到最佳的分类效果。在整个过程中，不断地对比、调整和优化是提高分类准确性和实用性的关键。