遥感影像自动分类方法研究

传统的分类方法包括非监督分类和监督分类方法，它们是根据是否需要先验知识来划分的。

非监督分类是一种无先验类别标准的分类法，对于待研究的对象或区域，没有已知类别或训练样本作标准，而直接依据样品观测资料的内在联系进行分类。

监督分类是根据已知训练场地提供的样本，通过选择特征参数，建立判别函数，然后把图像中各个像元点归化到指定类中的分类方法。

专家系统分类

专家系统分类首先需要建立知识库，根据分类目标提出假设，并依据所拥有的数据资料定义支持假设的规则、条件和变量，然后应用知识库自动进行分类。专家分类的核心内容是知识库(Knowledge．Base)和推理机(InferenceEngine)，知识库中存储着多种与影像解译有关的知识和经验，专家的经验和知识以某种形式，如产生规则IF<条件>THEN<假设>(其中CF为可信度)表示，由诸多知识组成知识库。

人工神经元网络方法 人工神经元网络，简称神经网络，是以模拟人脑神经系统的结构和功能为基础而建立的一种数据分析处理系统。一个神经元有多路输入，接收来自其它神经元的信息，并将反馈信息经由一条路线传递给另一个神经元。一个神经元与多个神经元以突触相连。进入突触的信号作为输入(激励)，通过突触而被“加权”。所有输入的加权之和即为所有权重输入的总效果．若该和值等于或大于神经元阈值，则该神经元被激活(给出输入)否则即不被激活。人工神经网络可以视为简化了的人脑神经系统的数学模型。

模糊数学方法

由于遥感影像有时所具有的信息的不确定性，针对不确定的数学方法自然成遥感影像分析人员所注意的目标。模糊数学方法就是一种针对不确定性事物的分析方法。它以模糊集合论作为基础，有别于普遍集合论中事物归属的绝对化。在分析事物的隶属关系，即分类时，一般须以某数学模型计算它对于所有集合的隶属度，然后根据隶属度的大小，确定归属。

决策树分类法

决策树分类法原理是模拟人工分类过程由整个数据集从上往下逐级细分，而在其算法描述中却是由“终级”到“原级”的逆过程，即在预先已知“终极”类别样本数据的情况下，根据各类别的相似程度逐级往上聚类，每一级聚类形成一个树结点，在该结点处选择对其往下细分的有效特征。依此往上发展到“原级”，完成对各级各类组的特征选择。在此基础上，再根据已选出的特征，从“原级”到“终级”对整个影像实行全面的逐级往下分类。对于每一级处的特征选择，依据散布矩阵准则来进行。

其他遥感影像分类技术

1、 基于面向对象和影像认知的遥感影像分类方法 2、 基于多特征的遥感影像分类方法

3、 4、 5、 基于数据场聚类的遥感影像分类方法 ART网络遥感影像分类方法

基于独立分量分析的遥感影像分类方法