遥感图像处理分析分类

发布网友发布时间：2024-10-19 04:25

共1个回答

热心网友时间：2024-12-13 17:37

在遥感图像的实际应用中，特征提取、分类与类聚处理是关键步骤。通过主成分分析法，多光谱图像数据的波段间相关关系得以消除，大幅减少信息量，且第一至第三主成分覆盖了绝大部分信息。主成分分析法又称为K-L变换，但信息集中的主成分图像可能不利于后续分析。

选择最佳波段组合进行分类，可以有效减少计算量并提高分类质量。通过农、林等遥感应用中的算术运算或矩阵变换，可得到反映植物长势和变异的信息。计算机分类依据不同地物在各波段反射电磁波强度的差异，形成N维波谱空间。训练区内像元的平均灰度值作为类别中心，通过计算距离实现像元分类。

监督分类法根据已知地物选择训练区，计算各类别中心并分类未知像元，最大似然率法是常用技术。无监督分类法基于各波段图像像元灰度分布的统计量，设定类别中心并迭代计算像元归属，直至类别中心稳定。

纹理分析法考虑像元在波谱空间的位置进行分类，不依赖图像形状信息，是一种实用的分类方法。然而，遥感图像中包含多种地物，波谱特性的相近性及噪声干扰，*了分类准确度。为提高分类精度，需不断研发改进遥感技术和分类方法，并结合多时相、多种遥感数据与相关数据库。

扩展资料

遥感图像处理(processing of remote sensing image data )是对遥感图像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理的方法。常用的遥感图像处理方法有光学的和数字的两种。