遥感图像监督分类流程与技术详解

"这篇文档是关于旅游行业营销的白皮书，主要聚焦于遥感图像信息提取中的监督分类流程，由巨量引擎和知萌在2019年4月发布。文中介绍了监督分类的基本步骤，包括类别定义、特征判别、影像分类、分类器选择、样本选择、分类后处理和结果验证，并提到了多种分类方法，如平行六面体、最小距离、马氏距离、最大似然、波谱角、二进制编码、光谱信息散度、神经网络和支持向量机分类等。此外，文档还涵盖了ENVI/IDL软件在遥感信息提取技术的应用，包括遥感信息提取技术概述、监督分类、基于专家知识的决策树分类、面向对象分类、地物识别和定量反演、动态监测以及立体像对DEM提取等内容。" 遥感信息提取技术是一种重要的地物识别手段，它基于地物的光谱信息和空间信息差异，通过计算机分析将图像中的像元划分为不同的类别。在遥感影像分类中，监督分类是一种常用的方法，它依赖于已知类别的样本，通过训练这些样本来构建分类器，然后应用该分类器对整个图像进行分类。监督分类包括以下几个关键步骤： 1. 类别定义和特征判别：确定要分类的地物类别，选择能代表这些类别的特征，比如光谱特性、纹理、形状等。 2. 影像分类：应用选定的特征进行图像分析，为每个像元分配一个类别。 3. 分类器选择：根据问题的复杂性和数据特性，可以选择不同的分类算法，如最小距离分类、最大似然分类、支持向量机分类等。 4. 样本选择：从图像中选取代表性强的样本，作为训练数据集。 5. 分类后处理：对初步分类结果进行优化，如合并相邻的小类，消除噪声。 6. 结果验证：通过实地调查或者与其他数据源对比，评估分类的准确性和可靠性。 在ENVI/IDL软件中，遥感信息提取涵盖多种方法，例如基于光谱的计算机分类适用于中低分辨率的多光谱影像；决策树分类需要结合多源数据；面向对象分类则适用于高分辨率影像；地物识别与地表反演则涉及到定量信息提取，需要模型和特定的数据支持。同时，变化检测和地形信息提取分别需要多时相影像和立体像对来实现。 监督分类的具体算法如平行六面体、最小距离、马氏距离等，它们是通过不同的数学模型来衡量像元与样本之间的相似性，进而进行分类。平行六面体方法通过构建一个多维的几何体来包含一类的样本；最小距离分类器根据像元与类别均值的距离进行分类；马氏距离考虑了样本协方差，更适用于多变量数据分析。 遥感信息提取和监督分类是地理信息科学中的关键技术，广泛应用于旅游行业营销、环境保护、城市规划等多个领域。通过精确的分类，可以获取地表信息，支持更科学的决策制定。