遥感图像分类的概念是什么？

遥感图像分类是以区别图像中所含的多个目标物为目的，对每个像元或比较匀质的像元组给出对应其特征的名称。把这些名称称为分类类别，在分类中所注重的是各像元的灰度及纹理等特征。用这样的多个特征量所定义的空间叫特征空间。分类也可以说是按照若干分类基准对特征空间进行分割，对其中所含的像元或匀质区域给出相同的名称。

遥感图像是通过亮度值或像元值的大小差异(反映地物的光谱信息)及空间变化(反映地物的空间信息)而表示不同地物的差异的，如不同类型的植被、土壤、岩石、水体等,这是区分不同影像地物的物理依据。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，并用一定的手段将特征空间划分为互不重叠的子空间;然后将图像中的各个像元划分到各个子空间中去。遥感图像分类中的特征就是能够反映地物光谱信息和空间信息,并可用于遥感图像分类处理的变量。如多波段图像的各个波段都

可以作为特征,多波段图像的一些处理结果(如比值处理，线性变换和K-L变换)也可以作为分类的特征。

遥感图像分类的理论依据是:遥感图像中的同类地物在相同的条件下(纹理、地形、光照以及植被覆盖等)，应具有相同或相似的光谱信息特征和空间信息特征，从而表现出同类地物的某种内在的相似性，即同类地物像元的特征向量将集群在同一特征空间区域。而不同地物的光谱信息特征或空间信息特征有所不同，它们将集群在不同的特征空间区域。

由于地物的成分、性质、分布情况的复杂性和成像条件,以及一个像元或瞬时视场里往往有两种或多种地物的情况——混合像元,使得同类地物的特征向量也不尽相同，而且使得不同地物类型的特征向量之间的差别也变得模糊起来。应该指出的是，同类地物的各像元特征向量虽然不是完全集中在一个点上,但也不是杂乱无章地分布，而是相对密集地分布在一起形 成集群。当像元数目较大时，近似地呈多维正态分布。当然，各集群之间往往不能很清楚地分开,不同集群之间一般有少部分重叠交叉的情况。一个集群相当于一个类别，而每个类的像元值向量都可以看作是随机变量，因而遥感图像分类的方法一般都是建立在随机变量统计分析的基础上的。