高光譜遙感圖像分類——以海水為例

高光譜成像技術獲得的高光譜圖像信息龐大，需要進行分類處理才能應用於各個領域。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於：

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）數量冗餘程度增加，波段相關性高。

3）hughs現象的存在，樣本數目要求高，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

正能量网入口最新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+傳統分類算法

2）智能化的新分類算法

3）光譜匹配分類

正能量网入口最新以第一種方法為例進行分析，特征提取+傳統分類算法。重點在於光譜維特征的提取，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據變成特征空間的低維數據。然後對特征更集中的低維數據進行傳統分類處理。

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，建築物和植被3個不同類別的樣本，樣本個數各為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，當同一地物區域分布不連續時，正能量网入口最新要盡量使樣本來自不同的區域。如：在對海水取樣時，既要選擇來來自右上角的深水區的樣本，又要選擇來自河道以及水田中的淺水區的樣本。從亮度特征角度而言，對於同一類地物具有不同亮度特征情況，都要選取（同物異譜）。原始圖像選擇前3個波段後，采用以下兩種傳統分類算法進行分類：

區域A：在淺水區，最大似然法分類圖像中出現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。

區域B：通過目視解譯，可以分辮出這個區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築被類分成了海水類。而右圖中幾乎沒有被錯分的像點；