高光譜遙感圖像分類——以海水為例

高光譜成像技術(shù)獲得的高光譜圖像信息龐大，需要進行分類處理才能應(yīng)用于各個領(lǐng)域。本文以海水為例，簡單介紹了高光譜遙感圖像分類方法。

高光譜遙感圖像分類

1. 高光譜遙感圖像分類原因

高光譜遙感圖像分類的主要特點在于：

1）光譜分辨率高，波段眾多，且可以挑選特定的波段來突出特征，進行分類。

2）數(shù)量冗余程度增加，波段相關(guān)性高。

3）hughs現(xiàn)象的存在，樣本數(shù)目要求高，且隨著波段增加分類精度反而下降。

2. 高光譜遙感圖像分類方法

我們主要介紹三種方式進行有效的高光譜遙感圖像分類：

1）降維+傳統(tǒng)分類算法

2）智能化的新分類算法

3）光譜匹配分類

我們以第一種方法為例進行分析，特征提取+傳統(tǒng)分類算法。重點在于光譜維特征的提取，即通過映射和變換的方法（如主成分分析PCA，最小噪聲分離變換MNF，小波變換等），把原始模式空間的高維數(shù)據(jù)變成特征空間的低維數(shù)據(jù)。然后對特征更集中的低維數(shù)據(jù)進行傳統(tǒng)分類處理。

分類器：

選擇最小距離和最大似然法進行比較

（1）Minimum distance classifier

（2）Maximum likelihood classifier

具體步驟：

選取海水，建筑物和植被3個不同類別的樣本，樣本個數(shù)各為300個。樣本要具有代表性就是樣本的亮度要反映該類地物的亮度特征，當(dāng)同一地物區(qū)域分布不連續(xù)時，我們要盡量使樣本來自不同的區(qū)域。如：在對海水取樣時，既要選擇來來自右上角的深水區(qū)的樣本，又要選擇來自河道以及水田中的淺水區(qū)的樣本。從亮度特征角度而言，對于同一類地物具有不同亮度特征情況，都要選?。ㄍ锂愖V）。原始圖像選擇前3個波段后，采用以下兩種傳統(tǒng)分類算法進行分類：

區(qū)域A：在淺水區(qū)，最大似然法分類圖像中出現(xiàn)了原始分類圖像中沒有的像點。這些像點是水中的暗礁和草，RGB圖像上用肉眼無法識別到這些細節(jié)。

區(qū)域B：通過目視解譯，可以分辮出這個區(qū)域是由田埂分開的一塊又一塊的稻田，這些稻田中全是海水。最小距離法分類時卻忽略了這些由植被覆蓋的田埂，將其全部分成了海水。甚至將右上角處的海水類分成了植被類。

區(qū)域C：可以看到左圖中有很多被錯分的像點，如山脈中的部分植被和建筑被類分成了海水類。而右圖中幾乎沒有被錯分的像點；