遙感圖像分類方法的國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢

遙感圖像分類方法的研究現(xiàn)狀與發(fā)展趨勢摘要：遙感在中國已經(jīng)取得了世界級的成果和發(fā)展，被廣泛應(yīng)用于國民經(jīng)濟(jì)發(fā)展的各個方面，如土地資源調(diào)查和管理、農(nóng)作物估產(chǎn)、地質(zhì)勘查、海洋環(huán)境監(jiān)測、災(zāi)害監(jiān)測、全球變化研究等，形成了適合中國國情的技術(shù)發(fā)展

和應(yīng)用推廣模式。隨著遙感數(shù)據(jù)獲取手段的加強(qiáng)，需要處理的遙感信息量急劇增加。在這種情況下，如何滿足應(yīng)用人員對于大區(qū)域遙感資料進(jìn)行快速處理與分析的要求，正成為遙感信息處理面臨的一大難題。這里涉及二個方面，一是遙感圖像處理本身技術(shù)的開發(fā)，二是遙感與地理信息系統(tǒng)的結(jié)合，歸結(jié)起來，最迫切需要解決的問題是如何提高遙感圖像分類精度，這是解決大區(qū)域資源環(huán)境遙感快速調(diào)查與制圖的關(guān)鍵。關(guān)鍵詞：遙感圖像、發(fā)展、分類、計算機(jī)一、遙感技術(shù)的發(fā)展現(xiàn)狀遙感技術(shù)正在進(jìn)入一個能夠快速準(zhǔn)確地提供多種對地觀測海量數(shù)據(jù)及應(yīng)用研究的新階段，它在近一二十年內(nèi)得到了飛速發(fā)展，目前又將達(dá)到一個新的高潮。這種發(fā)展主要表現(xiàn)在以下4個方面：1.多分辨率多遙感平臺并存。空間分辨率、時間分辨率及光譜分辨率普遍提高目前，國際上已擁有十幾種不同用途的地球觀測衛(wèi)星系統(tǒng)，并擁有全色0．8～5m、多光譜3．3～30m的多種空間分辨率。遙感平臺和傳感器已從過去的單一型向多樣化發(fā)展，并能在不同平臺上獲得不同空間分辨率、時間分辨率和光譜分辨率的遙感影像。民用遙感影像的空間分辨率達(dá)到米級，光譜分辨率達(dá)到納米級，波段數(shù)已增加到數(shù)十甚至數(shù)百個，重復(fù)周期達(dá)到幾天甚至十幾個小時。例如，美國的商業(yè)衛(wèi)星ORBVIEW可獲取lm空間分辨率的圖像，通過任意方向旋轉(zhuǎn)可獲得同軌和異軌的高分辨率立體圖像；美國EOS衛(wèi)星上的MOiDIS-N傳感器具有35個波段；美國NOAA的一顆衛(wèi)星每天可對地面同一地區(qū)進(jìn)行兩次觀測。隨著遙感應(yīng)用領(lǐng)域?qū)Ω叻直媛蔬b感數(shù)據(jù)需求的增加及高新技術(shù)自身不斷的發(fā)展，各類遙感分辨率的提高成為普遍發(fā)展趨勢。2.微波遙感、高光譜遙感迅速發(fā)展微波遙感技術(shù)是近十幾年發(fā)展起來的具有良好應(yīng)用前景的主動式探測方法。微波具有穿透性強(qiáng)、不受天氣影響的特性，可全天時、全天候工作。微波遙感采用多極化、多波段及多工作模式，形成多級分辨率影像序列，以提供從粗到細(xì)的對地觀測數(shù)據(jù)源。成像雷達(dá)、激光雷達(dá)等的發(fā)展，越來越引起人們的關(guān)注。例如，美國實施的航天飛機(jī)雷達(dá)地形測繪計劃即采用雷達(dá)干涉測量技術(shù)，在一架航天飛機(jī)上安裝了兩個雷達(dá)天線，對同一地區(qū)一次獲取兩幅圖像，然后通過影像精匹配、相位差解算、高程計算等步驟得到被觀測地區(qū)的高程數(shù)據(jù)。高光譜遙感的出現(xiàn)和發(fā)展是遙感技術(shù)的一場革命。它使本來在寬波段遙感中不可探測的物質(zhì)，在高光譜遙感中能被探測。高光譜遙感的發(fā)展，從研制第一代航空成像光譜儀算起已有二十多年的歷史，并受到世界各國遙感科學(xué)家的普遍關(guān)注。但長期以來，高光譜遙感一直處在以航空為基礎(chǔ)的研究發(fā)展階段，且主要巨大的。個領(lǐng)域的發(fā)展都離不開計算的支持，將計算機(jī)技術(shù)引入遙感也是遙感技術(shù)發(fā)展的必然趨勢。遙感圖像分類是利用計算機(jī)通過對遙感數(shù)據(jù)的光譜信息和空間信息進(jìn)行分析、特征選擇，并按照某種規(guī)則或算法將圖像中每個像元劃分為不同的類別。在遙感分類中，有兩種分類方法：第一種是象元光譜分類法，即只利用象元的光譜特征對各象元進(jìn)行分類。這樣分分類方法是現(xiàn)階段比較簡單的分類方法，也是計算集機(jī)分類中用的比較多的一種。這種方法實現(xiàn)比較簡單，但是由于僅僅只運用了遙感圖像的象元光譜特征這一種性質(zhì)，而遙感圖像中反應(yīng)的其他大量的信息都被忽略，所以分類的精度不是很好，應(yīng)用前景不是很廣泛。第二種是面向?qū)ο蠓诸惙?。這種分類方法不僅是考慮到象元的光譜特性，而且同時也考慮到象元的空間關(guān)系，使得計算機(jī)在分類的時候能夠收集到更多的信息。面相對象分類法在今年發(fā)展很快，出現(xiàn)了很多新的方法，例如：神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)SVM分類法、專家分類法。同時，為了是分類精度提高，還引進(jìn)了小波分析思想、分區(qū)分類思想等。三、遙感圖像分類原理通常我們所指的遙感圖像是指衛(wèi)星探測到的地物亮度特征,它們構(gòu)成了光譜空間。每種地物有其固有的光譜特征,它們位于光譜空間中的某一點。但由于干擾的存在,環(huán)境條件的不同,例如:陰影,地形上的變化,掃描儀視角,干濕條件,不同時間拍攝及測量誤差等,使得測得的每類物質(zhì)的光譜特征不盡相同,同一類物質(zhì)的各個樣本在光譜空間是圍繞某一點呈概率分布,而不是集中到一點,但這仍使我們可以劃分邊界來區(qū)分各類。因此,我們就要對圖像進(jìn)行分類。圖像分類的任務(wù)就是通過對各類地物波譜特征的分析選擇特征參數(shù),將特征空間劃分為不相重疊的子空間,進(jìn)而把影像內(nèi)諸像元劃分到各子間去,從而實現(xiàn)分類。分類方法可以分為統(tǒng)計決策法(判別理論識別法)模式識別和句法模式識別。統(tǒng)計決策法模式識別指的是:對研究對象進(jìn)行大量的統(tǒng)計分析,抽出反映模式的本質(zhì)特點、特征而進(jìn)行識別。主要的有監(jiān)督分類中的最小距離法、逐次參數(shù)估計法、梯度法、最小均方誤差法、費歇準(zhǔn)則法和非監(jiān)督分類中的按批修改的逐步聚類法、等混合距離法。此外還可以將兩者結(jié)合起來,互相補(bǔ)充以獲得較好的效果。句法模式識別則需要了解圖像結(jié)構(gòu)信息,從而對其進(jìn)行分類。四、傳統(tǒng)統(tǒng)計的遙感分類方法先從傳統(tǒng)的遙感分類方面說起，該分類方法是目前運用較多，算法比較成熟的方法。分為監(jiān)督分類和非監(jiān)督分類，他們的原理都是根據(jù)圖像象元的光譜特征的相似度來進(jìn)行的分類。監(jiān)督分類用于用戶對分類區(qū)比較熟悉，由用戶自己控制，非監(jiān)督分類則是將象元相似度大小進(jìn)行歸類合并。但是未充分利用遙感圖像提供的多種信息，只考慮多光譜特征，沒有利用到地物空間關(guān)系、空間位置形狀、紋理等方面的信息。1、監(jiān)督分類監(jiān)督分類可根據(jù)應(yīng)用目標(biāo)和區(qū)域，有選擇地決定分類類別，可控制樣本的選擇，避免了非監(jiān)督分類中對光譜集群組的重新歸類。但個人認(rèn)為其人為主觀因素較強(qiáng)，操作者所選擇的訓(xùn)練樣本有可能不是很典型并且有可能不能反映圖像的真實情況，所以圖像中同一類別的光譜差異和人為因素，有可能造成樣本沒有代表性，并且訓(xùn)練樣本的選取和評估需要花費較多的人力和時間。2、非監(jiān)督分類非監(jiān)督分類過程不需要任何的先驗知識，僅憑遙感影像地物光譜特征的分布規(guī)律，隨其自然地進(jìn)行分類。但是看文獻(xiàn)時看到，非監(jiān)督分類還有一個前提，那就是：假定遙感影像上同類地物在同樣條件下具有相同的光譜信息特征。如果產(chǎn)生的光譜萬一不一定對應(yīng)于操作者想要的類別，且操作者較難對產(chǎn)生的類別進(jìn)行控制，比如圖像中各類別的光譜特征會隨時間、地形等變化，不同圖像以及不同時段的圖像之間的光譜無法保持其連續(xù)性，從而使不同圖像之間的對比變得困難。五、分類新方法研究進(jìn)展無論是監(jiān)督分類還是非監(jiān)督分類，都是依據(jù)地物的光譜特性的點獨立原則來進(jìn)行分類的，且都是采用的統(tǒng)計方法。該方法只是根據(jù)各波段灰度數(shù)據(jù)的統(tǒng)計特征進(jìn)行的，加上衛(wèi)星遙感數(shù)據(jù)的分辨率的限制，一般圖像的像元很多是混合像元，帶有混合光譜信息的特點，致使計算機(jī)分類面臨著諸多模糊對象，不能確定其究竟屬于哪一類地物。而且，同物異譜和異物同譜的現(xiàn)象普遍存在，也會導(dǎo)致誤分、漏分情況的出現(xiàn)，因此人們不斷嘗試新方法來加以改善和提高遙感圖像分類的效率和質(zhì)量。這些新方法主要有決策樹分類法、綜合閾值法、專家系統(tǒng)分類法、多特征融合法、神經(jīng)網(wǎng)絡(luò)分類法以及基于頻譜特征的分類法等。近年來的研究大多將傳統(tǒng)方法與新方法加以結(jié)合。即在非監(jiān)督分類和監(jiān)督分類的基礎(chǔ)上，運用新方法來改進(jìn)，減少錯分和漏分情況，對遙感圖像的分類精度有了一定程度的增強(qiáng)。六、發(fā)展前景與趨勢1、更加自動化和智能化。目前遙感圖像分類趨向于把知識理解和統(tǒng)計相結(jié)合，今后還將向自動化、智能化方向發(fā)展。神經(jīng)網(wǎng)絡(luò)法的發(fā)展和廣泛應(yīng)用顯示了自動化、智能化是一個很重要的發(fā)展趨勢，因為它可以模擬人腦，吸取前期分類的經(jīng)驗，對于后期的分類作調(diào)整，進(jìn)一步提高分類精度。2、更加自動化和智能化。目前遙感圖像趨向于把知識理解和統(tǒng)計相結(jié)合，今后還將向自動化、智能化方向發(fā)展。3、模糊分類與神經(jīng)網(wǎng)絡(luò)、基于知識的專家系統(tǒng)分類的結(jié)合也是一個發(fā)展方向。4、純像元提取方法將進(jìn)一步解決混合像元問題。如何提高分類結(jié)果的精度，一直是遙感圖像分類所關(guān)注的熱點問題，如果分類的精度達(dá)到90%以上，結(jié)果就比較理想了。但由于地面本身的復(fù)雜性，地物類型的多樣性，使得遙感圖像上存在著同物異譜、同譜異物的現(xiàn)象，這時候就要多分析，多實驗，例如把地物光譜分的更加細(xì)致，多利用地物的其他有效的特征。5、從單一分類方法向復(fù)合分類方法發(fā)展。單一分類方法往往不能對所有類別進(jìn)行有效識別,復(fù)合分類方法通過不同分類方法的組合,可實現(xiàn)優(yōu)勢互補(bǔ),顯著提高分類的數(shù)目和精度。6、從傳統(tǒng)分類向智能分類方向發(fā)展。以人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)等為代表的智能分類方法能夠模擬人腦的結(jié)構(gòu)和功能,組合各種帶有因果關(guān)系的知識進(jìn)行推理并得出結(jié)論,實現(xiàn)智能化的分類。如何實現(xiàn)人工神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)的有機(jī)結(jié)合將成為今后研究的熱點問題。參考文獻(xiàn)：1、劉欽