遥感图像分类方法的研究

遥感图像分类方法的研究

作者：张琪曼

来源：《环球人文地理·评论版》2017年第01期

摘要：光摇杆光谱图像属于是实现地物精确分类发展的一种重要技术，但是，其在发展过程中同样面临挑战。高光谱遥感技术图像分类之中面对的主要问题是如何才能够更加行之有效的处理高的光谱维数以及小的样本数。现阶段，主要技术方法是通过降维的方式解决此类问题。本研究则从新的角度出发，他就分类器集成的高光谱遥感图像分类方法，希望能够对未来该项技术研究提供借鉴和帮助。

关键词：遥感；高光谱；分类器集成；波段分组

近些年以来，有关高光谱技术的研究成果取得了巨大进步，并已经在众多领域之中被广泛应用。高光谱遥感属于是对传统光学成像技术以及细分光谱技术的一种重要结合。教育空间特征成像为基础，针对目标下的所有空间像元经过色散形成众多的窄波段，以便完成光谱覆盖。

除此之外，Hughes现象表现出了高水平的光谱维数以及小样本数之间的矛盾，这也是高光谱遥感问题之中的关键点。本研究则是针对此类问题开展的深度分析。

1.基分类器分析

1.1波段分组

特征子集所具有的差异性特点直接影响基分类器所具有的差异性。因此，就提出了波胆分组方式，以此可以完成构造差异性特征子集。通过借助对相邻波段形成的信息量完成分组。通过借助这种分类方式，则能够让所有的光谱确定波段形成全新的光谱组合，所有光谱组合这种均包括了分类基本光谱的详细信息。

通过与普通光之间对比分析，所有波段类型的波段之间形成了较高水平的相似向。定义波段彼此之间的相关程度，能够让相邻波段彼此具有较高的相似性，同时定义波段所具有的相关性程度促使使用相邻波段所具有的平均灰度差异性，则不同数据之间的信息具有多种不同的参数，可以完成对相邻波段之间的关联程度的衡量与评价。

互信息是一种得到广泛应用的信号相关性度量，对变量的分布类型没有特殊要求，不仅能述變量间的线性相关关系，也能描述变量间的非线性相关关系。对于高光谱遥感图像，可以用各波段间的互信息来衡量它们之间的信息依赖程度，较大的互信息往往意味着较高的相关程度。