"遥感数字图像处理-计算机分类原理与方法"

遥感数字图像处理的第五章介绍了遥感数字图像的计算机分类，包括一般原理、常用判别函数、分类方法、分类后处理、光谱特征分类中的辅助处理技术以及新方法。遥感图像的解译方法包括计算机分类、目视解译、光谱规律解译、地学规律解译和解译者的经验等。图像分类的目的是根据图像中每个像元的不同波段的光谱亮度、空间结构特征或其他信息，按照某种规则或算法划分为不同的类别。遥感图像分类利用计算机技术模拟人类的识别功能，对地球表面及其环境在遥感图像上的信息进行属性的自动判别和分类，达到提取所需地物信息的目的。计算机分类是通过模式识别理论，利用计算机将遥感图象自动分成若干地物类别的方法。 在遥感数字图像计算机分类的一般原理部分，介绍了遥感图像解译的方法，包括专题图像、专题地图和专业应用解译方法等。图像分类的目的是将图像中每个像元根据其不同波段的光谱亮度、空间结构特征或其他信息，按照某种规则或算法划分为不同的类别。遥感图像分类利用计算机技术模拟人类的识别功能，对地球表面及其环境在遥感图像上的信息进行属性的自动判别和分类，达到提取所需地物信息的目的。计算机分类是通过模式识别理论，利用计算机将遥感图象自动分成若干地物类别的方法。 常用判别函数的部分介绍了各种常用的判别函数，包括最大似然函数、最小距离函数、合成概率函数、最大后验概率函数等。这些函数在遥感图像分类中起着重要作用，可以根据不同的特征和需求选择合适的判别函数进行分类。 遥感数字图像的分类方法部分介绍了遥感数字图像的分类方法，包括像元级分类、目标级分类和场景级分类等。这些方法在实际的遥感应用中都有其独特的优势和适用范围，可以根据具体的应用需求选择合适的分类方法。 分类后处理部分介绍了在遥感数字图像分类后进行的一些处理方法，包括后期验证、精度评定、分类结果的解译和地理信息系统的应用等。这些方法可以提高遥感数字图像分类的准确性和可靠性，保证分类结果的有效性。 光谱特征分类中的辅助处理技术部分介绍了在光谱特征分类中常用的辅助处理技术，包括数据预处理、特征选择、特征提取和降维处理等。这些技术可以提高分类结果的准确性和可靠性，有效地提取地物信息。 遥感图像计算机分类新方法部分介绍了在遥感图像计算机分类中的一些新方法，包括基于深度学习的分类方法、基于时序遥感数据的分类方法和基于多源数据融合的分类方法等。这些新方法在提高分类准确性和可靠性方面具有很大的潜力，值得进一步研究和应用。 总的来说，遥感数字图像处理的第五章对遥感数字图像的计算机分类进行了全面而深入的介绍，包括一般原理、常用判别函数、分类方法、分类后处理、光谱特征分类中的辅助处理技术以及新方法。这些内容对于遥感数字图像处理领域的研究和实践具有重要的指导意义，对进一步提高遥感图像分类的准确性和可靠性具有重要的参考价值。