信息熵在遥感影像中的应用
所谓信息熵，是一个数学上颇为抽象的概念，我们不妨把信息熵理解成某种特定信息的出现概率。

信源各个离散消息的自信息量得数学期望（即概率加权的统计平均值）为信源的平均信息量，一般称为信息源，也叫信源熵或香农熵，有时称为无条件熵或熵函数，简称熵。

一般而言，当一种信息出现概率更高的时候，表明它被传播得更广泛，或者说，被引用的程度更高。

我们可以认为，从信息传播的角度来看，信息熵可以表示信息的价值。

这样子我们就有一个衡量信息价值高低的标准，可以做出关于知识流通问题的更多推论。

利用信息论中的熵模型，计算信息量是一种经典的方法，广泛应用于土地管理，城市扩张以及其他领域。

熵值可以定量的反应信息的分散程度，将其应用于遥感图像的解译中可以定量的描述影像包含的信息量，从而为基于影像的研究提供科学的依据。

利用信息熵方法对遥感影像的光谱特征进行离散化，根据信息熵的准则函数，寻找断点，对属性进行区间分割，以提高数据处理效率。

遥感影像熵值计算大致流程为：遥感影像数据经过图像预处理之后，进行一系列图像配准、校正，图像增强，去除噪声、条带后，进行图像的分类，然后根据研究区域进行数据的提取，结合一些辅助数据对图像进行监督分类后生成新的图像，将新的图像与研究区边界图和方格图生成的熵单元图进行进一步的融合便可得到熵分值图。

1.获得研究区遥感影像
以研究区南京市的2009 年6 月的中巴资源二号卫星分辨率20 米得影像为例，影像是有三幅拼接完成。

通过ArGIS9.2 中的选择工具从全国的行政区域图中提取边界矢量图，再通过掩膜工具获得研究区的影像。

分辨率的为90 米得DEM 图有两副影像拼接而得，操作的步骤与获取影像一致，为开展目视解译工作提供参考。

然后依照相关学者的相关研究以及城市建设中的一些法律法规，参照分类标准，开展影像解译工作，对于中巴资源二号影像开展监督分类，以及开展目视解译工作。

2.二值图像的建立
将两种解译所得的图像按照一定的标准转化为城镇用地和非城镇用地两种，进一步计算二值图像的熵值。

3.熵值单元图
根据一些学者对城市边缘带的研究，其划分的熵值单元为 1 km ×1 km，针对样
区的具体情况，采用500 m ×500 m 的熵值单元。

在ERDAS 软件和
ARCGIS 软件的支持下,先将栅格格式的遥感影像分类图转化为矢量格式,然后绘制500 m ×500 m的单元。

将单元图与遥感影像分类矢量图叠加,得到个熵值单元的土地利用类型及其面积。

根据建立的土地利用以下信息熵模型,计算各个单元的熵值。

4.得出结果
利用统计软件（spss）等统计不同时相，不同分类方法所获得的熵值。

结合其他数据确立较好的使用组合。

文章名称为《信息熵与遥感》。