礦山多元遙感圖像信息自動分類方法

彭治力

（貴州省第一測繪院，貴州 貴陽 550025）

遙感技術(shù)廣泛應(yīng)用的重要途徑之一就是遙感圖像分類，分類的精度直接影響遙感數(shù)據(jù)的應(yīng)用水平和實用價值。非監(jiān)督分類的方法相對簡單一些，但精度差 ；而監(jiān)督分類有先驗知識做指導(dǎo)，精度相對較高，但是需要地面采樣，成本比較高。下文結(jié)合實踐，分析遙感圖像分類原理基礎(chǔ)上，對遙感圖像分類方法進(jìn)行探討[1]。

1 遙感圖像分類原理

對于遙感圖像而言，是指衛(wèi)星探測的地物亮度特征，而且這種光譜特征具有固定性，形成了一定的光譜空間，出于光譜空間內(nèi)的一點上，然而，因存在干擾因素，環(huán)境條件的差異性，如陰影、干濕條件、掃描儀的視角和測量誤差等，各種物質(zhì)光譜特征存在很大的差異性，在光譜空間上相同物質(zhì)的不同樣本，呈概率圍繞某一點進(jìn)行分布，不是集中進(jìn)行分布的，但能夠通過邊界劃分來對各類進(jìn)行區(qū)分。所以要進(jìn)行遙感圖像分類，利用分析各類地物波譜特征，對特征參數(shù)進(jìn)行選擇，劃分特征空間使其形成不相重疊的子空間，將影像中各像元進(jìn)行子空間劃分，達(dá)到分類的效果[2]。

2 遙感圖像分類

2.1 監(jiān)督分類與非監(jiān)督分類

對于監(jiān)督分類而言，就是利用已經(jīng)獲知的判別類別以及樣本類別，對判別的準(zhǔn)則以及函數(shù)進(jìn)行確定，將已知類別一定數(shù)量樣本的觀測值，來求解待定參數(shù)，之后將未知類別樣本觀測值，在這個函數(shù)中帶入，對其進(jìn)行判別，同時在依照有關(guān)判別準(zhǔn)則，判定此樣本所屬類別。還有一種分類為非監(jiān)督分類，這種分類方式?jīng)]有已知類別標(biāo)準(zhǔn)，在分類過程中，通過各種圖像中地物特征所具有的差別類別特征進(jìn)行分類，集群理論是其分類的基礎(chǔ)，通過計算機(jī)集聚統(tǒng)計分析圖像，依照待分類樣本特征參數(shù)，進(jìn)行特性統(tǒng)計，構(gòu)建相應(yīng)的決策開展分類，這種分類不需要對類別特征先知道。依照一定相似性，對分布樣本空間，進(jìn)行分割或者合并形成一群集，各個群集所對應(yīng)地物類別，應(yīng)當(dāng)開展實地調(diào)查，相互比較已知地物類型，方才能夠確定，這是一種重要的模式識別手段。

2.2 遙感數(shù)字圖像的計算機(jī)分類

2.2.1 神經(jīng)網(wǎng)絡(luò)分類法

這種分類方式更加趨于自動化與人腦化，人的思維非常相似。利用這種方法進(jìn)行遙感圖像分類，可以將遙感分類存在的不確定性以及模糊性得到有效消除。利用這種方式能夠更好的選擇與抽取遙感圖像目標(biāo)地物，同時，對學(xué)習(xí)訓(xùn)練和分類器設(shè)計有著重要的促進(jìn)作用。隨著相關(guān)研究的不斷深入，很多學(xué)者也提出基于小波神經(jīng)網(wǎng)絡(luò)。這種分類方法為嚴(yán)格“非參”的，分類過程中先驗統(tǒng)一分布知識，不需要參與其中，選取的網(wǎng)絡(luò)訓(xùn)練樣本以及拓?fù)浣Y(jié)構(gòu)是其分類精度的依賴。在選擇網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)方面，理論分析還存在很大不足，這對神經(jīng)網(wǎng)絡(luò)發(fā)展起到了很大的限制作用。

2.2.2 模糊分類法

像元隸屬度函數(shù)的確定是是開展模糊分類法的關(guān)鍵，這種分類是明顯的軟分類器。模糊統(tǒng)計分類是基于模糊集合理論下的分類器，人工神經(jīng)網(wǎng)絡(luò)模糊分類是基于神經(jīng)計算技術(shù)為前提的，模糊分類還有基于知識的分類方法。

2.2.3 專家系統(tǒng)分類法

對于專家系統(tǒng)分類法而言，是在一個特定領(lǐng)域中，通過輸入專家知識到計算機(jī)內(nèi)，對人們解決問題起到良好的輔助作用。該分類方法是通過解譯專家的方法與經(jīng)驗進(jìn)行遙感圖像分類的一種重要方法，但是應(yīng)用這種方法進(jìn)行分類過程中，需要構(gòu)建相應(yīng)的知識庫。

2.2.4 支持向量機(jī)SVW分類法

這種分類方法是支持向量機(jī)在最小化結(jié)構(gòu)風(fēng)險以及統(tǒng)計學(xué)習(xí)理論VC維理論下產(chǎn)生的分類方法，對小樣本學(xué)習(xí)問題解決發(fā)揮著重要的作用，識別具有高維模式和非線性特點。相關(guān)試驗發(fā)現(xiàn)，在分類精度上SVM具有非常高的精度，在分類過程中發(fā)揮著非常重要的作用，然而，因統(tǒng)計學(xué)理論，發(fā)展完善以及應(yīng)用過程時間較短，有很多問題還沒有得到有效解決。

2.2.5 面向?qū)ο蟮姆诸惙椒?/p>

這種方法在分類過程中，獲取影像區(qū)域?qū)ο笾悄苄畔?，區(qū)域?qū)ο?，是因分割影像產(chǎn)生的相鄰?fù)|(zhì)像元集合體。單個像元不再是影像的最小單元，是由多個同質(zhì)像元構(gòu)成的多邊形對象，都是基于對象進(jìn)行分析，處理后續(xù)影像。

2.2.6 決策樹分類法

這種分類方式，最重要的是對決策樹各分支進(jìn)行定義，其組成特點主要是由于根節(jié)點（1個）與內(nèi)部節(jié)點（多個）一級終極點組所構(gòu)成。定義決策樹的過程中，首先對中級類別樣本數(shù)據(jù)進(jìn)行預(yù)知，并依照不同類別相似程度，逐步的進(jìn)行聚類，各個聚類產(chǎn)生一個樹節(jié)點，并以此點選擇向下細(xì)分的相關(guān)有效特征，并向上產(chǎn)生“原級”。這種分類方式為非參數(shù)分類器，操作起來比較簡單，而且也非常容易理解，對工作人員的專業(yè)知識要求不是很高。

3 分類后的精度評定

檢驗分類專題圖，也就是檢核其可信度，這在定量分析遙感圖像中發(fā)揮著重要的作用，通常難以檢核整幅分類圖，了解和掌握各個像元是否錯誤與正確，主要是通過分類誤差來進(jìn)行估計。

樣本采集過程主要包括三種方式 ：監(jiān)督分類訓(xùn)練區(qū)樣方式，在檢驗分類圖精度過程中這種方式最不好 ；而專門選定試驗場是檢核分類圖精度中較好的方式，將一些特定試驗場作為分析專用，均勻有目的性的在各區(qū)進(jìn)行分布，很多場地為隨機(jī)分布的，存在很多的數(shù)量與類別，計算機(jī)中存儲測定數(shù)據(jù)，有的還需要進(jìn)一步測定 ；隨機(jī)取樣，則是依照特殊應(yīng)用研究區(qū)中的性質(zhì)以及制圖類別，對于采樣區(qū)進(jìn)行設(shè)計，通常不是對單個像元進(jìn)行獲取，而是隨機(jī)獲取相緣群，這樣可以在地圖以及航片上對應(yīng)區(qū)位置進(jìn)行確定，通過地面測量樣區(qū)信息，在地圖和航片中進(jìn)行提取。

4 結(jié)語

在分類遙感圖像地物信息過程中，如何保證其分類精度，當(dāng)前重要的工作目標(biāo)，目視解譯，可以將判讀人員的豐富的知識與經(jīng)驗充分地利用，具有非常好的靈活性，但是耗時卻非常多，個人差異比較突出。通過計算機(jī)進(jìn)行分類過程中，空間分析以及邏輯推理方面還比較弱。

僅僅可以依照一定數(shù)學(xué)模型，對很多具有重復(fù)性的數(shù)值進(jìn)行計算，對目標(biāo)定量定位信息進(jìn)行獲取，利用目視判讀手段能夠確定目標(biāo)的性質(zhì)。同時計算機(jī)解譯的遙感結(jié)果，也應(yīng)當(dāng)通過這種方式開展抽樣核實與檢驗工作。所以在實際應(yīng)用過程當(dāng)中，通常對遙感圖像分類方法研究以及開展精度評定，來利用計算機(jī)數(shù)字圖像處理技術(shù)增強(qiáng)和變換遙感圖像，工作人員通過目視判讀，對目標(biāo)的性質(zhì)進(jìn)行確定，再通過計算機(jī)，開展復(fù)雜定位工作，進(jìn)行定量計算，定量和定性描述目標(biāo)，抽樣檢驗以及核實過程中，也是通過目視解譯手段來進(jìn)行，充分有效將二者結(jié)合起來，大大保證了分類精度。

預(yù)處理圖像以及新分類方法的出現(xiàn)，這些也是為了更好的保證分類精度，在實際應(yīng)用時，應(yīng)當(dāng)對多時相多源遙感數(shù)據(jù)進(jìn)行充分利用，通過遙感圖像，將各種信息提供出來，將計算機(jī)分類傳統(tǒng)以及新方法綜合考慮，充分結(jié)合人工智能和模式識別技術(shù)，并于專家知識庫中成像規(guī)律以及目標(biāo)地物，解譯經(jīng)驗充分結(jié)合，展開詳細(xì)的分析與推理，更好地理解遙感圖像，很好地完成對遙感圖像的解譯。