论文总字数：13730字

摘 要

土地利用/土地覆盖的遥感分类处理是土地利用与土地覆盖变研究必不可少的一步。在遥感技术研究中占有很重要的地位，方法的优劣直接关系着分类的精度。

本文基于ENVI软件，进行遥感影像分类方法的比较研究。首先简要阐述了遥感图像分类的概念和原理；然后详细探讨了传统遥感图像分类-监督法与非监督法，最后通过实验对相关方法进行比较研究。

结果显示：遥感图像分类方法多而杂乱，监督法和非监督在运用中各有优缺点，监督法对于判读者的要求高，消耗大，非监督法不受人为控制，容易出现所得非所想的情况，故此在实际工作中，需要合理选择分类方法，或者运用多种分类方法，避免错分，漏分以及其他的错误，以提高分类的效率，保证成果的准确率与精度。

关键字：遥感图像 图像分类 监督分类 非监督分类

Research on remote sensing image classification method

Abstract

The classification of remote sensing image is an essential step in the study of land use and land cover change. As its method is directly related to the accuracy of classification, image classification becomes a very important position in the study of remote sensing technology.

This paper makes a comparative study of remote sensing image classification method based on ENVI software. Firstly, the concept and principle of remote sensing image classification are briefly introduced. After, the traditional remote sensing image classification - supervision and non supervision law are detailed discussed; finally, the relevant methods are compare through the experiment results.

The results show that the classification method of remote sensing image is more complicated. Supervision and unsupervision have their own characterizes: supervision method is time consuming, and has high requirements for the readers; unsupervised method is not controlled by human, and is prone to unexpected situation. In order to improve the classification efficiency and guarantee the achievement of the accuracy and precision, it is necessary to make rational choice of classification methods, or using a variety results of classification methods to avoid mistakes, leakage and other errors in the real work.

Keywords ：remote images; image categorization; supervised classification; unsupervised classification

目 录

摘 要 I

Abstract II

第一章绪论 1

1.1论文研究背景 1

1.2遥感图像分类方法研究现状 2

1.3论文章节安排 2

第二章遥感图像预处理 4

2.1遥感图像 4

2.2遥感图像预处理 4

2.2.1波段组合 4

2.2.2几何纠正 5

2.2.3 图像裁剪 7

第三章遥感图像分类方法研究 9

3.1遥感图像分类概念及原理 9

3.2 遥感图像监督分类法 9

3.2.1最小距离分类法 10

3.2.2平面体分类法 11

3.2.3最大似然法 12

3.3非监督分类法 12

3.3.1K-均值分类法 12

3.3.2 ISODATA 13

3.4分类法对比分析研究 14

3.4.1监督法分类对比分析 14

3.4.2非监督分类法对比分析 16

第四章总结展望 19

4.1 总结 19

4.2 展望 19

参考文献 21

致 谢 22

第一章绪论

1.1论文研究背景

土地利用/土地覆盖的遥感分类处理是土地利用与土地覆盖变化研究很重要的一个步骤。传统上，对其变化动态监测与分类主要通过野外的土地调查，或者根据航空的像片，卫星图像进行目视判读解译。但是这些方法对观察者要求甚高，不仅要有丰富的知识，同还要投入相当多的时间，得出的结果往往需要很长时间，工作量大，效率低下等等。就目前自动分类方法主要有监督分类和非监督分类法两种，由于获取的图像资料、选取的样本区域以及判读者的水平，对测区的了解程度等原因，造成分类方法精度的差异较大。

最初的遥感影像分类最主要是通过目视解译来实现的,根据判读者的经验知识对明显的地物，具体的参照对象来识别图像上的地理信息。经过这么长时间的发展，目视解译技术可以说非常成熟, 但是其存在的缺点也很多，比如人力资源的投入巨大，结果不确定，效率低下，还不能保证其精度, 这些便使得目视解译技术不适合庞大的遥感数据处理, 故此计算机自动分类技术也就应运而生，已经成为现在研究的重点。在过去的几十年里, 无数专家学者不断的研究，这一项技术，就是为了能提高遥感图像分类精度 。从监督法与非监督法分类，到现在的新技术, 包括神经网络、支持向量机、专家系统等等。但是, 遥感图像分类方法由于受到诸多因素影响,比如地表信息，遥感图像的效果，用软件处理后的质量，以及用的分类方法等等,所以在研究上仍然面临着很大的挑战。

遥感图像分类经过这么长时间的发展，产生了各种各样的分类方法，从不同角度所研发出来的方法更是多而杂乱，最常见的莫过于监督方法和非监督方法分类。其与人工干预度有直接关系，除此之外，还有根据参数与非参数的分类方法。当然还有基于像元，亚像元以及对象等不同的分类体系。

当然现在的分类方法也层出不穷，比如最小距离法，最大似然分类法，K-均值，ISODAT等，还有模糊数学方法，专家系统方法，人工智能神经元网络法，决策树分类法等句法分类模式方法。

请支付后下载全文，论文总字数：13730字