高光譜遙感圖像分類方法綜述

張蓓

摘 要 高光譜遙感技術已經(jīng)成為遙感技術的前沿領域，受到國內(nèi)外的廣泛關注。而地物目標分類是高光譜數(shù)據(jù)處理的一個基本內(nèi)容。文中列舉了一些高光譜遙感圖像的分類方法，并對每種方法作簡要介紹。

關鍵詞 高光譜遙感 圖像處理 分類

中圖分類號：TP751 文獻標識碼：A

1高光譜遙感的簡介

高光譜遙感技術是上世紀80年代發(fā)展起來的一種新興的遙感技術，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光，近紅外，中紅外和熱紅外波段范圍內(nèi)，設置了幾十甚至幾百個連續(xù)波段，其光譜分辨率可高達納米（nm）數(shù)量級。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別在寬波段遙感中不可探測的物質(zhì)。現(xiàn)在，遙感應用領域也更加拓寬，涉及全球環(huán)境，土地利用，資源調(diào)查，自然災害，以及星際探測等方面。

遙感圖像分類一直是遙感研究領域的重要內(nèi)容，如何解決多類別的圖像的分類識別并滿足一定的精度，是遙感圖像研究中的一個關鍵問題，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知識，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分類過程不施加任何的先驗知識，而僅憑遙感影像地物的光譜特征的分布規(guī)律，隨其自然地進行盲目的分類；其分類的結果，只是對不同類別達到了區(qū)分，但并不確定類別的屬性；其類屬是通過事后對各類的光譜響應曲線進行分析，以及與實地調(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態(tài)聚類法，其假定被用來表示樣本空間的聚類中心的個數(shù)是預先知道的，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則的基礎上得到的。K均值分類方法簡便易行。這種方法的結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，并且在迭代的過程中又沒有調(diào)整類別數(shù)的措施，因此不同的初始分類可能會得到不同的分類結果。

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

非監(jiān)督分類的主要優(yōu)點是無需對分類區(qū)域有廣泛地了解，僅需一定的知識來解釋分類出的集群組；人為誤差的機會減少，需輸入的初始參數(shù)較少。但是無監(jiān)督分類需要對其結果需進行大量分析及后處理，才能得到可靠分類結果。

2.2監(jiān)督分類

監(jiān)督分類就是先用某些己知訓練樣本讓分類識別系統(tǒng)進行學習，待其掌握了各個類別的特征后，按照分類的決策規(guī)則進行分類下去的過程。監(jiān)督分類又稱訓練場地法，是以建立統(tǒng)計識別函數(shù)為理論基礎，依據(jù)典型樣本訓練方法進行分類的技術。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則基礎上的，其分類錯誤概率最小，是風險最小的判決分析，是典型的和應用最廣的監(jiān)督分類方法，偏重于集群分布的統(tǒng)計特性，并假定訓練樣本數(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?。ㄏ嗨贫茸畲螅┑念悇e上對像元數(shù)據(jù)進行分類的方法。

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

有監(jiān)督分類的主要優(yōu)點是可充分利用分類地區(qū)的先驗知識，預先確定分類的類別；可控制訓練樣本的選擇，并可通過反復檢驗訓練樣本，以提高分類精度。但是人為主觀因素較強；只能識別訓練樣本中所定義的類別，對于因訓練者不知或因數(shù)量太少未被定義的類別，監(jiān)督分類不能識別，從而影響分結果。

3結束語

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

參考文獻

[1] 杜培軍，夏俊士，薛朝輝，等.高光譜遙感影像分類研究進展[J].遙感學報，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.高光譜圖像分類方法研究[D].國防科學技術大學，2010.