遥感图像分类方法研究综述
项目(2002D0036M和2003c0030Q)资助。
万方数据
・2・
国土资源遥感
2005年
用改进的最大似然分类器提出了EM MLC遥感影像 分类算法。通过实际例子的综合比较,EM MLC方 法对于比较接近的类别划分要优于传统的MLc方 法,同时EM MLc保留了MLc方法Bayes先验知识 融合的能力,使得辅助决策知识可以在Bayes理论的 支持下参与分类,可以进一步提高分类的有效性。 但是,EM MLc只是一定程度上通过补充样本数据 来纠正似然函数参数的估计,而每一个类别的分布 仍然只是对单峰形式的逼近。在密度分布特别复杂 而呈现多峰形式,或者类别间相互交错等情况下, EM算法就需进一步扩展:①用EM算法对每一类密 度分布进行再分解;②引进稳健统计理论排除密度 分布之间或来自离散点的干扰[9 J。神经网络分类器 无须考虑先验概率和条件概率密度函数模型,通过 对样本反复训练得到判别函数,如Bischof等应用BP 网对TM图像分类¨引,李祚泳应用BP网对机载Mss
万方数据
第2期
李石华,等:遥感图像分类方法研究综述
・3・
进行正交投影,并在投影数据上继续寻找次优目标 或方向。OsP方法主要的基可表示绝大部分信息,从 而减少数据维,因其分类结果是混合像元在不同基 上的灰度表示,以致分类效果不明显,且分类数受波 段数的限制。 (6)基于夹角余弦的相似系数聚类方法。如王 志刚等心¨将其应用在岩性识别中,吴革洪等Ⅲ1将其 应用在储层油藏分类中,贺德化等瞵J也证明了夹角 余弦作为聚类结果的相似性度量指标是合理的,对 真实分类下的类内样品差异不敏感,对类间距离差 异敏感。 通过上述分析可知,基于统计分类的监督和非 监督分类方法由于单一地依靠地物的光谱特征,因 此对某些地区和某些地物的分类效果不理想,如果 对分类器加以改进或者与其它方法结合使用,效果 会更好。为此,许多科学工作者在此基础上发展了 其它新的分类方法。 3
rI'ree
Classifi-
遥感图像分类研究现状
在目前遥感分类应用中,用得较多的是传统的
er)和贝叶斯分类法(Bayesian Classifier)。主要步骤 包括:①选择特征波段;②选择训练区;③选择或 构造训练分类器;④对分类精度进行评价。 最大似然分类法(MLC)是遥感分类的主要手段 之一。其分类器被认为是一种稳定性、鲁棒性好的 分类器隅J。但是,如果图像数据在特征空间中分布 比较复杂、离散,或采集的训练样本不够充分、不具 代表性,通过直接手段来估计最大似然函数的参数, 就有可能造成与实际分布的较大偏差,导致分类结 果精度下降。为此,不少学者提出了最大似然分类 器和神经网络分类器。改进的最大似然分类器多采 用Gauss光谱模型作为条件概率密度函数模型,其 中最简单的是各类先验概率相等的分类器(即通常
第2期,总第64期 2005年6月15日
国土资源遥感
REMOTE
SENSING FOR LAND&RESOURCES
No.2.2005
Jun.。2005
遥感图像分类方法研究综述
李石华1,王金亮1,毕艳1…, 陈姚1,朱妙园1,杨帅3,朱佳1
(1.云南师范大学旅游与地理科学学院,昆明 3.云南开远市第一中学,开远661600)
650092;2.云南省寄生虫病防治所,思茅665000;
光谱数据的广泛应用,各种新理论新方法相继涌现,
O
引言
随着卫星遥感和航空遥感图像分辨率的不断提
对传统计算机分类方法提出了新的要求㈠5。。
2基于统计分析的遥感图像分类方法
2.1监督分类
高,人们可以从遥感图像中获得更多有用的数据和 信息。由于不同领域遥感图像的应用对遥感图像处 理提出了不同的要求,所以图像处理中重要的环 节——图像分类也就显得尤为重要,经过多年的努 力,形成了许多分类方法和算法。本文较全面地综 述了这些分类方法和算法,为遥感图像分类提供理 论指导。
网等存在网络训练速度慢、对各类分类性能差别较 大、不易收敛到最优以及BP网隐层数目和隐层节点 数确定较为困难等缺点。为此,美国Mathwork公司 于1982年推出Matlab,利用Manab平台构建自组织 神经网络来分类遥感图像,希望在没有教师信号的 同时同样能达到提高分类精度的目的。张学友、冯 学智等利用TM数据对浙江省土地利用信息提取 时,比较了BP方法和Kohonen方法,结果表明,用 Kohonen方法对图像分类的精度要比用BP方法高
1
监督分类是一种常用的精度较高的统计判决分 类,在已知类别的训练场地上提取各类训练样本,通 过选择特征变量、确定判别函数或判别规则,从而把 图像中的各个像元点划归到各个给定类的分类方 法[2’3’6.7]。常用的监督分类方法有:K邻近法(K—
Nearest
Neighbor)、决策树法(Decision
里有效,不能保证它有效地映射到合适的高维空间。 如朱建华利用自适应最小距离方法的监督分类实验 表明,该方法精度可达92.9%,适用于多类别遥感图 像分类¨“。 2.2非监督分类方法 非监督分类是在没有先验类别知识的情况下, 根据图像本身的统计特征及自然点群的分布情况来 划分地物类别的分类处理。非监督分类方法是依赖 图像的统计特征作为基础的,它并不需要具体地物 的已知知识。采用非监督分类还可以更好地获得目 标数据内在的分布规律。非监督分类方法有贝叶斯 学习、最大似然度分类以及聚类(clustering)。无监 督的贝叶斯方法和最大似然度方法与有监督的贝叶 斯学习以及最大似然度方法基本相同,唯一的区别 在于无已知类别的样本可供参考。聚类技术是基于 相似度概念和算法将性质很相似的样本聚为一类。 目前有效的聚类方法有: (1)超空间分类算法。如K—means聚类¨8|。 K—means方法属于动态聚类法,它以误差平方和最 小作为聚类的评判准则¨9|。其优点是通过最小空 间距离达到均衡状态,缺点是不能自动确定聚类数。 例如陈华、陈书海等利用K—means算法进行遥感分 类,取得了很好的效果¨9|。 (2)ISODATA算法。该算法虽可自迭代由少到 多地确定类数,但参数确定困难,一些距离参数要随 维数的变化作相应的调整¨“20I。超空间聚类对维 数比较高的超谱遥感数据的聚类效果不理想,许多 超谱图像聚类算法从所有波段中选择起主要作用的 子集,既减少维数,又保留主要信息,但可能同时又 丧失一些关键的分类特征。 (3)主成分分析算法(PCA)。通过K—L变换 抑制具有较少信息量的系数来实现数据维的减少, 但求协方差矩阵相当耗时,它将多维光谱信息转换 成少数几个主成分,这几个成分包含了大多数的图 像信息,提高了分类的效率旧11。 (4)独立分量分析(IcA)方法。它能从观测信 号出发,估计出已知的信息量很少的源信号,而所获 得的源信号是互相独立的。主成分分析是基于二阶 统计量的协方差矩阵,而独立分量分析则基于高阶 的统计量,不但能实现主成份分析的去相关特性,而 且能获得分量之间相互独立的特性。因此,独立分 量分析能获得较主成分分析更好的效果。 (5)正交子空间投影(OSP)方法【22,2 3|。该方法 选择一些主要目标或方向作为基,然后对所有像素
摘要:综述了遥感图像监督分类和非监督分类中的各种方法,介绍了各种方法的优缺点、适用领域和应用情况,并 作了简单评述,最后,展望了遥感图像分类方法研究发展方向和研究热点。 关键词:遥感;图像分类;分类方法 中图分类号:TP 751 文献标识码:A 文章编号:1001—070x(2005)02—0001一06
的4波段图像分类…J,salu等应用BinaryDi锄ond网
对TM图像分类等¨…。 这2种类型的分类器都具有较好的分类效果,但 是,在分类时他们都没有考虑图像类别的空间相关 性。通过将光谱空间上的图像像素类别标号过程看 成一Markov随机场,可以实现含空间相关性的地物 分类。在应用Markov随机场模型分类时,使用的条 件概率密度函数模型和参数估计的方法不同,实现 也有很大差异,比如Yam犯aki等使用启发式的 Markov模型对多光谱图像分类【13|,条件概率密度函 数采用MAR模型,参数估计使用最小均方误差估 计,其精度高达98.28%。于秀兰、莫红等用Markov 随机场模型进行多光谱遥感图像分类,其精度高于 最大似然分类法¨“。 监督分类算法在解决分类问题中存在许多不足 之处,要么仅仅能解决线性问题【1 5|,要么虽能解决 非线性问题,但是计算复杂度高¨6|,在效率上无法 满足要求。为此,近年来的研究热点——支持向量 机(SVM)的3大基础理论(结构风险理论、二次优化 理论、核空间理论)mj,用于解决非线性问题。如胡 自伸等利用葡萄牙里斯本地区TM图像做实验,并 同采用神经网络方法的分类精度作比较,其精度高 于基于神经网络分类的精度。针对SVM核空间理 论中核函数无法根据问题自适应地进行选择这一情 况,刘伟强等又提出了一种核函数的选择策略—— 改进后的自适应最小距离分类法(KAMD)u 6|。通过 实验,其分类精度明显高于自适应最小距离分类法 的分类精度。但是,KAMD法仅在一个核函数集合
出1%。5%‘3
5|。
但是,神经网络拓扑结构的选择缺乏充分的理 论分析,其链接权值的物理意义不明确,这导致了人 们无法理解其进行推理的过程;而一般的模糊系 统,其编码的精度较低,缺乏自学习能力。模糊技术 和神经网络技术的融合克服了神经网络和模糊逻辑 在知识处理方面的缺点【3¨38o。采用神经网络来进 行模糊信息处理,就可以利用神经网络的学习能力 来达到调整模糊规则的目的,从而使模糊系统具备 了自适应的特性。为了更好地解决混合光谱的问 题,近年来又出现了数学形态学应用于遥感图像处 理中,其分类的精度远远高于最大似然法。不久前, 加拿大学者将多级形态分解应用于一幅SPOT全色 波段图像上的一个子景区土地覆盖的分类处理,经 形态边缘检测的分类精度较高口9f。国外在数学形 态学应用于遥感图像处理方面的研究相当深入,且 颇有新意,应用结果是令人鼓舞的,而国内研究却很 少。数学形态学作为遥感图像处理的有效手段之 一,有很好的应用前景。
4