图像分类
是依据是地物的光谱特征,确定判别函数和相应的判别准则,将图像所有的像元按性质分为若干类别的过程,主要方式分为监督分类与非监督分类。
- 监督分类
原图像
监督分类图像
监督分类是在分类前人们已对遥感影像样本区中的类别属性有了先验知识,进而可利用这些样本类别的特征作为依据建立和训练分类器(亦即建立判别函数),进而完成整幅影像的类型划分,将每个像元归并到相对应的一个类别中去。
监督分类也是目前遥感AI最为常见的应用方式,即通过样本库,用机器学习对特定地物进行分类、标注或识别。
- 非监督分类
非监督分类也称聚类分析,是指人们事先对分类过程不施加任何的先验知识,而仅凭数据(遥感影像地物的光谱特征的分布规律)、即自然聚类的特性进行“盲目”的分类;是以集群为理论基础,通过计算机对图像进行集聚统计分析的方法,是模式识别的一种方法。一般算法有:回归分析、趋势分析、等混合距离法、集群分析、主成分分析和图形识别等。
监督分类和非监督分类的区别:有监督必须有训练集与测试样本。在训练集中找规律,而对测试样本使用这种规律;非监督没有训练集,只有一组数据,在该组数据集内寻找规律。