高光谱遥感分类概述

遥感图像通过亮度值或像元值的高低差异（反映地物的光谱信息）及空间变化（反映地物的空间信息）来表示不同地物的差异，这是区分不同图像地物的物理基础。遥感图像分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析，选择特征，将图像中每个像元按照某种规则或算法划分为不同的类别，然后获得遥感图像中与实际地物的对应信息，从而实现遥感图像的分类。

不同的地物具有不同的波谱特征，同类的地物具有相似的波谱特征，由不同探测波段组成的多波段数字图像是地物特征的量化，遥感图像分类正是基于图像中所反映的同类地物的光谱相似性和异类地物的光谱差异性的基础上进行的，根据图像的特征向量，建立判别函数，最终实现将遥感图像自动分成若干地物类型。遥感图像分类由于遥感图像的数据量大和成像复杂等特点，使得遥感图像具有一些特点和原则。

遥感图像分类比起一般的数字图像分类具有自身的特点，概况来讲遥感图像分类的特点有如下几点：

（1）数据量大。遥感图像通常具有较多的光谱波段，每个像元在不同波段具有不同的波谱特征，所以遥感图像分类是处理多波段的运算。

（2）复杂性。虽然大多数的地物符合“同类地物具备相同的波谱特征，不同地物具有不同的波谱特征”的原则，但是大多数情况下，研究的同类地物会具有不同的光谱特征，即“同物异谱”，而相同的光谱特征表示了不同的地物，即“异物同谱”。

（3）需要预处理。在对遥感图像分类前，往往需要做一定的预处理，原始图像的特征波段间往往存在比较强的相关性，同时由于处理多波段遥感数据的计算量大的原因，在分类前采用特征判别，决定一定的预处理方法，不但可以减少计算量，同时为可以处理多波段数据提供一种方式。

遥感图像分类方法狭义上可以归纳为三大类：基于光谱的计算机分类（监督分类与非监督分类），基于专家知识的决策树分类，面向对象图像分类。