張蓓

摘 要 高光譜遙感技術(shù)已經(jīng)成為遙感技術(shù)的前沿領(lǐng)域，受到國(guó)內(nèi)外的廣泛關(guān)注。而地物目標(biāo)分類是高光譜數(shù)據(jù)處理的一個(gè)基本內(nèi)容。文中列舉了一些高光譜遙感圖像的分類方法，并對(duì)每種方法作簡(jiǎn)要介紹。

關(guān)鍵詞 高光譜遙感 圖像處理 分類

中圖分類號(hào)：TP751 文獻(xiàn)標(biāo)識(shí)碼：A

1高光譜遙感的簡(jiǎn)介

高光譜遙感技術(shù)是上世紀(jì)80年代發(fā)展起來(lái)的一種新興的遙感技術(shù)，高光譜遙感利用很多窄的電磁波段（通常波段的寬度小于10nm）從感興趣的物體中獲取圖像數(shù)據(jù)，一般它是在電磁波譜的可見(jiàn)光，近紅外，中紅外和熱紅外波段范圍內(nèi)，設(shè)置了幾十甚至幾百個(gè)連續(xù)波段，其光譜分辨率可高達(dá)納米（nm）數(shù)量級(jí)。由于許多地表物質(zhì)的吸收特性僅表現(xiàn)在20～40nm的光譜分辨率范圍內(nèi)，高光譜遙感圖像可以識(shí)別在寬波段遙感中不可探測(cè)的物質(zhì)?，F(xiàn)在，遙感應(yīng)用領(lǐng)域也更加拓寬，涉及全球環(huán)境，土地利用，資源調(diào)查，自然災(zāi)害，以及星際探測(cè)等方面。

遙感圖像分類一直是遙感研究領(lǐng)域的重要內(nèi)容，如何解決多類別的圖像的分類識(shí)別并滿足一定的精度，是遙感圖像研究中的一個(gè)關(guān)鍵問(wèn)題，具有十分重要的意義。

2高光譜遙感圖像的分類方法

依據(jù)是否使用類別的先驗(yàn)知識(shí)，可分為監(jiān)督分類和非監(jiān)督分類。

2.1非監(jiān)督分類

非監(jiān)督分類是指人們事先對(duì)分類過(guò)程不施加任何的先驗(yàn)知識(shí)，而僅憑遙感影像地物的光譜特征的分布規(guī)律，隨其自然地進(jìn)行盲目的分類；其分類的結(jié)果，只是對(duì)不同類別達(dá)到了區(qū)分，但并不確定類別的屬性；其類屬是通過(guò)事后對(duì)各類的光譜響應(yīng)曲線進(jìn)行分析，以及與實(shí)地調(diào)查數(shù)據(jù)相比較后確定的。非監(jiān)督分類主要的方法有K-均值聚類，ISODATA分類等。

K均值分類方法屬于動(dòng)態(tài)聚類法，其假定被用來(lái)表示樣本空間的聚類中心的個(gè)數(shù)是預(yù)先知道的，這種假定本身在某種程度上限制了這一類方法的利用，它使聚類域中所有樣本到聚類中心的距離平方和最小，這是在誤差平方和準(zhǔn)則的基礎(chǔ)上得到的。K均值分類方法簡(jiǎn)便易行。這種方法的結(jié)果受到所選聚類中心的數(shù)目和其初始位置以及模式分布的幾何性質(zhì)和讀入次序等因素的影響，并且在迭代的過(guò)程中又沒(méi)有調(diào)整類別數(shù)的措施，因此不同的初始分類可能會(huì)得到不同的分類結(jié)果。

ISODATA分類又叫做迭代自組織數(shù)據(jù)分析技術(shù)，基本思想是通過(guò)設(shè)定初始參數(shù)而引入人機(jī)對(duì)話環(huán)節(jié)，并使用歸并與分裂的機(jī)制，當(dāng)某兩類聚類中心距離小于某一閾值時(shí)，將它們合并為一類，當(dāng)某類標(biāo)準(zhǔn)差大于某一閾值或其樣本數(shù)目超過(guò)某一閾值時(shí)，將其分為兩類。在某類樣本數(shù)目少于某閾值時(shí)，需將其取消。

非監(jiān)督分類的主要優(yōu)點(diǎn)是無(wú)需對(duì)分類區(qū)域有廣泛地了解，僅需一定的知識(shí)來(lái)解釋分類出的集群組；人為誤差的機(jī)會(huì)減少，需輸入的初始參數(shù)較少。但是無(wú)監(jiān)督分類需要對(duì)其結(jié)果需進(jìn)行大量分析及后處理，才能得到可靠分類結(jié)果。

2.2監(jiān)督分類

監(jiān)督分類就是先用某些己知訓(xùn)練樣本讓分類識(shí)別系統(tǒng)進(jìn)行學(xué)習(xí)，待其掌握了各個(gè)類別的特征后，按照分類的決策規(guī)則進(jìn)行分類下去的過(guò)程。監(jiān)督分類又稱訓(xùn)練場(chǎng)地法，是以建立統(tǒng)計(jì)識(shí)別函數(shù)為理論基礎(chǔ)，依據(jù)典型樣本訓(xùn)練方法進(jìn)行分類的技術(shù)。監(jiān)督分類的主要分類方法有最大似然法、貝葉斯方法、K近鄰法等。

最大似然比判決分類方法是建立在貝葉斯準(zhǔn)則基礎(chǔ)上的，其分類錯(cuò)誤概率最小，是風(fēng)險(xiǎn)最小的判決分析，是典型的和應(yīng)用最廣的監(jiān)督分類方法，偏重于集群分布的統(tǒng)計(jì)特性，并假定訓(xùn)練樣本數(shù)據(jù)在光譜空間服從高斯正態(tài)分布。該分類法錯(cuò)誤最小精度高，是較好的一種分類方法。不足的是傳統(tǒng)的人工采樣方法工作量大，效率低，加上人為誤差的干擾，使得分類結(jié)果的精度較差。

最小距離分類法又稱光譜距離，是用特征空間中的距離表示像元數(shù)據(jù)和分類類別的相似程度，在距離最小（相似度最大）的類別上對(duì)像元數(shù)據(jù)進(jìn)行分類的方法。

K近鄰分類算法，是一個(gè)理論上比較成熟的方法，也是最簡(jiǎn)單的機(jī)器學(xué)習(xí)算法之一。該方法的思路是：如果一個(gè)樣本在特征空間中的k個(gè)最相似的樣本中的大多數(shù)屬于某一個(gè)類別，則該樣本也屬于這個(gè)類別。K近鄰算法中，所選擇的鄰居都是已經(jīng)正確分類的對(duì)象。該方法在定類決策上只依據(jù)最鄰近的一個(gè)或者幾個(gè)樣本的類別來(lái)決定待分樣本所屬的類別。

有監(jiān)督分類的主要優(yōu)點(diǎn)是可充分利用分類地區(qū)的先驗(yàn)知識(shí)，預(yù)先確定分類的類別；可控制訓(xùn)練樣本的選擇，并可通過(guò)反復(fù)檢驗(yàn)訓(xùn)練樣本，以提高分類精度。但是人為主觀因素較強(qiáng)；只能識(shí)別訓(xùn)練樣本中所定義的類別，對(duì)于因訓(xùn)練者不知或因數(shù)量太少未被定義的類別，監(jiān)督分類不能識(shí)別，從而影響分結(jié)果。

3結(jié)束語(yǔ)

監(jiān)督分類和非監(jiān)督分類的根本區(qū)別點(diǎn)在于是否利用訓(xùn)練區(qū)來(lái)獲取鮮艷的類別知識(shí)，監(jiān)督分類根據(jù)訓(xùn)練區(qū)提供的樣本選擇特征參數(shù)，建立判別函數(shù)，對(duì)待分類點(diǎn)進(jìn)行分類。相比而言，非監(jiān)督分類不需要更多的先驗(yàn)知識(shí)，它根據(jù)地物光譜特性進(jìn)行分類。

參考文獻(xiàn)

[1] 杜培軍，夏俊士，薛朝輝，等.高光譜遙感影像分類研究進(jìn)展[J].遙感學(xué)報(bào)，2016， 20（2）：236-256.

[2] Rahman S A E. Hyperspectral Imaging Classification Using ISODATA Algorithm： Big Data Challenge[C]// Fifth International Conference on E-Learning. IEEE， 2015：247-250.

[3] 陳進(jìn).高光譜圖像分類方法研究[D].國(guó)防科學(xué)技術(shù)大學(xué)，2010.