高光谱遥感图像统计模型分类方法

基于统计的极大似然分类是传统遥感图像分类中应用最广泛的分类方法，在极大似然分类器中，首先为简化分类过程，假设高光谱图像每类地物的概率密度都服从多维正态分布，然后利用分类训练样本分别对统计参数进行估计获得其概率密度函数，最后利用Bayes 公式将最大似然概率公式变为:广西善图科技有限公司

p(x|wi)p(wi)≥p(x|wj)p(wj)

p(x|wi)p(wi)≥p(x|wj)p(wj)

式中， p(wi)p(wi)和 p(wj)p(wj) 分别是类ii与类jj的先验概率分布，实际中由于无法估计，假设其相等。所以在实际分类过程中，将各像元划分到其属于图像上不同类别的概率中较大的那一类中去。

不足：要想获得好的效果，统计参数的估计变得十分重要；为了获得可靠的参数，每个类别必须有足够的训练样本，这对于上百个波段的高光谱图像是很困难的。