"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。