遥感图像分类方法研究综述

第２期，总第６４期国土资源遥感

Ｎｏ．２．２００５

２００５年６月１５日

ＲＥＭＯＴＥ

ＳＥＮＳＩＮＧＦＯＲＬＡＮＤ＆ＲＥＳＯＵＲＣＥＳ

Ｊｕｎ．。２００５

遥感图像分类方法研究综述

李石华１，王金亮１，毕艳１…，陈姚１，朱妙园１，杨帅３，朱佳１

（１．云南师范大学旅游与地理科学学院，昆明６５００９２；２．云南省寄生虫病防治所，思茅６６５０００；

３．云南开远市第一中学，开远６６１６００）

摘要：综述了遥感图像监督分类和非监督分类中的各种方法，介绍了各种方法的优缺点、适用领域和应用情况，并作了简单评述，最后，展望了遥感图像分类方法研究发展方向和研究热点。关键词：遥感；图像分类；分类方法中图分类号：ＴＰ７５１

文献标识码：Ａ

文章编号：１００１—０７０ｘ（２００５）０２—０００１一０６

光谱数据的广泛应用，各种新理论新方法相继涌现，

Ｏ

引言

对传统计算机分类方法提出了新的要求㈠５。。

随着卫星遥感和航空遥感图像分辨率的不断提

２基于统计分析的遥感图像分类方法

高，人们可以从遥感图像中获得更多有用的数据和信息。由于不同领域遥感图像的应用对遥感图像处２．１监督分类

理提出了不同的要求，所以图像处理中重要的环监督分类是一种常用的精度较高的统计判决分节——图像分类也就显得尤为重要，经过多年的努类，在已知类别的训练场地上提取各类训练样本，通力，形成了许多分类方法和算法。本文较全面地综过选择特征变量、确定判别函数或判别规则，从而把述了这些分类方法和算法，为遥感图像分类提供理图像中的各个像元点划归到各个给定类的分类方论指导。

法［２’３’６．７］。常用的监督分类方法有：Ｋ邻近法（Ｋ—

Ｎｅａｒｅｓｔ

Ｎｅｉｇｈｂｏｒ）、决策树法（Ｄｅｃｉｓｉｏｎ

ｒＩ＇ｒｅｅＣｌａｓｓｉｆｉ－

１

遥感图像分类研究现状

ｅｒ）和贝叶斯分类法（ＢａｙｅｓｉａｎＣｌａｓｓｉｆｉｅｒ）。主要步骤包括：①选择特征波段；②选择训练区；③选择或在目前遥感分类应用中，用得较多的是传统的

构造训练分类器；④对分类精度进行评价。

模式识别分类方法，诸如最小距离法、平行六面体最大似然分类法（ＭＬＣ）是遥感分类的主要手段法、最大似然法、等混合距离法（ＩＳＯＭＩｘ）、循环集群之一。其分类器被认为是一种稳定性、鲁棒性好的法（Ｉｓ０ＤＡＴＡ）等监督与非监督分类法。其分类结果分类器隅Ｊ。但是，如果图像数据在特征空间中分布由于遥感图像本身的空间分辨率以及“同物异谱”、比较复杂、离散，或采集的训练样本不够充分、不具“异物同谱”现象的存在，往往出现较多的错分、漏分代表性，通过直接手段来估计最大似然函数的参数，就有可能造成与实际分布的较大偏差，导致分类结果精度下降。为此，不少学者提出了最大似然分类器和神经网络分类器。改进的最大似然分类器多采用Ｇａｕｓｓ光谱模型作为条件概率密度函数模型，其中最简单的是各类先验概率相等的分类器（即通常

所说的最大似然分类器），复杂的有Ｅｄｉｒｉ埘ｃｋｒｅ瑚等

提出的启发式像素分类估计先验概率法。ＭｃｌａｃｌｌｌａｎｇＪ

收稿日期：２００４一ｌｌ一２３；修订日期：２００５一０３—１５

基金项目：国家重点基础研究发展计划（９７３计划）项目（２００３ＣＢ４１５０５—１１）、国家自然科学基金项目（４０３６ｌ００７）和云南省自然科学基金

万　

方数据现象，导致分类精度不高。１１。随着遥感应用技术的发展，傅肃性等对Ｐ．Ｖ．Ｂａｌｓｔａｄ（１９８６）利用神经网络进行遥感影像分类的研究情况以及章杨清等在利用分维向量改进神经网络在遥感模式识别中的分类精度问题作了阐述旧Ｊ，孙家柄对Ｍ．Ａ．蹦ｅｄｌ（１９９２）和ｃ．Ｅ．Ｂｒｏｄｌｅｙ（１９９６）研究的大量适用于遥感图像分类的决策树结构作了阐述旧ｏ，尤其是近年来针对高

项目（２００２Ｄ００３６Ｍ和２００３ｃ００３０Ｑ）资助。

・２・

国土资源遥感

２００５年

用改进的最大似然分类器提出了ＥＭＭＬＣ遥感影像分类算法。通过实际例子的综合比较，ＥＭＭＬＣ方法对于比较接近的类别划分要优于传统的ＭＬｃ方法，同时ＥＭＭＬｃ保留了ＭＬｃ方法Ｂａｙｅｓ先验知识融合的能力，使得辅助决策知识可以在Ｂａｙｅｓ理论的支持下参与分类，可以进一步提高分类的有效性。但是，ＥＭＭＬｃ只是一定程度上通过补充样本数据来纠正似然函数参数的估计，而每一个类别的分布仍然只是对单峰形式的逼近。在密度分布特别复杂而呈现多峰形式，或者类别间相互交错等情况下，ＥＭ算法就需进一步扩展：①用ＥＭ算法对每一类密度分布进行再分解；②引进稳健统计理论排除密度分布之间或来自离散点的干扰［９Ｊ。神经网络分类器无须考虑先验概率和条件概率密度函数模型，通过对样本反复训练得到判别函数，如Ｂｉｓｃｈｏｆ等应用ＢＰ网对ＴＭ图像分类¨引，李祚泳应用ＢＰ网对机载Ｍｓｓ

的４波段图像分类…Ｊ，ｓａｌｕ等应用ＢｉｎａｒｙＤｉ锄ｏｎｄ网

这２种类型的分类器都具有较好的分类效果，但３｜，条件概率密度函监督分类算法在解决分类问题中存在许多不足５｜，要么虽能解决自伸等利用葡萄牙里斯本地区ＴＭ图像做实验，并６｜。通过万　

方数据里有效，不能保证它有效地映射到合适的高维空间。如朱建华利用自适应最小距离方法的监督分类实验表明，该方法精度可达９２．９％，适用于多类别遥感图像分类¨“。

２．２非监督分类方法

非监督分类是在没有先验类别知识的情况下，根据图像本身的统计特征及自然点群的分布情况来划分地物类别的分类处理。非监督分类方法是依赖图像的统计特征作为基础的，它并不需要具体地物的已知知识。采用非监督分类还可以更好地获得目标数据内在的分布规律。非监督分类方法有贝叶斯学习、最大似然度分类以及聚类（ｃｌｕｓｔｅｒｉｎｇ）。无监督的贝叶斯方法和最大似然度方法与有监督的贝叶斯学习以及最大似然度方法基本相同，唯一的区别在于无已知类别的样本可供参考。聚类技术是基于相似度概念和算法将性质很相似的样本聚为一类。目前有效的聚类方法有：

（１）超空间分类算法。如Ｋ—ｍｅａｎｓ聚类¨８｜。Ｋ—ｍｅａｎｓ方法属于动态聚类法，它以误差平方和最小作为聚类的评判准则¨９｜。其优点是通过最小空间距离达到均衡状态，缺点是不能自动确定聚类数。例如陈华、陈书海等利用Ｋ—ｍｅａｎｓ算法进行遥感分类，取得了很好的效果¨９｜。

（２）ＩＳＯＤＡＴＡ算法。该算法虽可自迭代由少到多地确定类数，但参数确定困难，一些距离参数要随维数的变化作相应的调整¨“２０Ｉ。超空间聚类对维数比较高的超谱遥感数据的聚类效果不理想，许多超谱图像聚类算法从所有波段中选择起主要作用的子集，既减少维数，又保留主要信息，但可能同时又丧失一些关键的分类特征。

（３）主成分分析算法（ＰＣＡ）。通过Ｋ—Ｌ变换抑制具有较少信息量的系数来实现数据维的减少，（４）独立分量分析（ＩｃＡ）方法。它能从观测信的统计量，不但能实现主成份分析的去相关特性，而（５）正交子空间投影（ＯＳＰ）方法【２２，２３｜。该方法但求协方差矩阵相当耗时，它将多维光谱信息转换成少数几个主成分，这几个成分包含了大多数的图像信息，提高了分类的效率旧１１。

号出发，估计出已知的信息量很少的源信号，而所获得的源信号是互相独立的。主成分分析是基于二阶统计量的协方差矩阵，而独立分量分析则基于高阶且能获得分量之间相互独立的特性。因此，独立分量分析能获得较主成分分析更好的效果。

选择一些主要目标或方向作为基，然后对所有像素

对ＴＭ图像分类等¨…。

是，在分类时他们都没有考虑图像类别的空间相关性。通过将光谱空间上的图像像素类别标号过程看成一Ｍａｒｋｏｖ随机场，可以实现含空间相关性的地物分类。在应用Ｍａｒｋｏｖ随机场模型分类时，使用的条件概率密度函数模型和参数估计的方法不同，实现也有很大差异，比如Ｙａｍ犯ａｋｉ等使用启发式的Ｍａｒｋｏｖ模型对多光谱图像分类【１数采用ＭＡＲ模型，参数估计使用最小均方误差估计，其精度高达９８．２８％。于秀兰、莫红等用Ｍａｒｋｏｖ随机场模型进行多光谱遥感图像分类，其精度高于最大似然分类法¨“。

之处，要么仅仅能解决线性问题【１非线性问题，但是计算复杂度高¨６｜，在效率上无法满足要求。为此，近年来的研究热点——支持向量机（ＳＶＭ）的３大基础理论（结构风险理论、二次优化理论、核空间理论）ｍｊ，用于解决非线性问题。如胡同采用神经网络方法的分类精度作比较，其精度高于基于神经网络分类的精度。针对ＳＶＭ核空间理论中核函数无法根据问题自适应地进行选择这一情况，刘伟强等又提出了一种核函数的选择策略——改进后的自适应最小距离分类法（ＫＡＭＤ）ｕ实验，其分类精度明显高于自适应最小距离分类法的分类精度。但是，ＫＡＭＤ法仅在一个核函数集合

第２期李石华，等：遥感图像分类方法研究综述

・３・

进行正交投影，并在投影数据上继续寻找次优目标或方向。ＯｓＰ方法主要的基可表示绝大部分信息，从而减少数据维，因其分类结果是混合像元在不同基上的灰度表示，以致分类效果不明显，且分类数受波段数的限制。

（６）基于夹角余弦的相似系数聚类方法。如王志刚等心¨将其应用在岩性识别中，吴革洪等Ⅲ１将其应用在储层油藏分类中，贺德化等瞵Ｊ也证明了夹角余弦作为聚类结果的相似性度量指标是合理的，对真实分类下的类内样品差异不敏感，对类间距离差异敏感。

通过上述分析可知，基于统计分类的监督和非监督分类方法由于单一地依靠地物的光谱特征，因此对某些地区和某些地物的分类效果不理想，如果对分类器加以改进或者与其它方法结合使用，效果人工神经网络分类

神经网络属于非参数分类器，该方法用于遥感

Ｐｒｏｐａｇａｔｉｏｎ）学习算法（简称ＢＰ算

３｜。熊桢、童庆禧等利用高阶神经网络算法然而，它们的分类精度同样依赖于网络训练样万　

方数据网等存在网络训练速度慢、对各类分类性能差别较大、不易收敛到最优以及ＢＰ网隐层数目和隐层节点数确定较为困难等缺点。为此，美国Ｍａｔｈｗｏｒｋ公司于１９８２年推出Ｍａｔｌａｂ，利用Ｍａｎａｂ平台构建自组织神经网络来分类遥感图像，希望在没有教师信号的同时同样能达到提高分类精度的目的。张学友、冯学智等利用ＴＭ数据对浙江省土地利用信息提取时，比较了ＢＰ方法和Ｋｏｈｏｎｅｎ方法，结果表明，用Ｋｏｈｏｎｅｎ方法对图像分类的精度要比用ＢＰ方法高

出１％。５％‘３

５｜。

但是，神经网络拓扑结构的选择缺乏充分的理论分析，其链接权值的物理意义不明确，这导致了人们无法理解其进行推理的过程；而一般的模糊系统，其编码的精度较低，缺乏自学习能力。模糊技术和神经网络技术的融合克服了神经网络和模糊逻辑在知识处理方面的缺点【３¨３８ｏ。采用神经网络来进行模糊信息处理，就可以利用神经网络的学习能力来达到调整模糊规则的目的，从而使模糊系统具备了自适应的特性。为了更好地解决混合光谱的问题，近年来又出现了数学形态学应用于遥感图像处理中，其分类的精度远远高于最大似然法。不久前，加拿大学者将多级形态分解应用于一幅ＳＰＯＴ全色波段图像上的一个子景区土地覆盖的分类处理，经形态边缘检测的分类精度较高口９ｆ。国外在数学形态学应用于遥感图像处理方面的研究相当深入，且一，有很好的应用前景。

基于多源数据融合的分类

多源信息融合就是把多种信息（遥感和非遥感

会更好。为此，许多科学工作者在此基础上发展了其它新的分类方法。３

颇有新意，应用结果是令人鼓舞的，而国内研究却很少。数学形态学作为遥感图像处理的有效手段之４

分类始于１９８８年。其中多层感知器模型应用最为广泛。人工神经网络是基于生物神经系统的分布存储、并行处理及自适应学习这些现象构造出具有一些低级智慧的人工神经网络系统。当然，这种人工神经网络只是大脑的粗略而简单的模仿，在功能和规模上都比不上真正的神经网络。近年来，神经网络被广泛应用于遥感图像分类。不同学者分别提出或应用ＢＰ网口¨、三维Ｈｏｐ６ｅｌｄ网口６】、径向基函数神经网络［２７１和小波神经网络心引等对遥感图像进行监督分类。这些神经网络在遥感图像自动分类上都有一定的应用，并取得较好的效果拉７。２｜。目前常用的方法是Ｒｕｍｌｈａｎ、ＭｃＣｌｅｌｌａｎｄ等提出的前向多层网络的反向传播（Ｂａｃｋ数据）按照一定的方式有机地组合成统一的信息模型。这类方法有基于知识的推理、信息融合、空间数据挖掘等。知识的推理方法可以利用现有的ＧＩｓ数据和先验知识，可以减少分类时遇到的“同物异谱”和“同谱异物”的现象∞］。信息融合是利用多个遥感信息源所提供的反映所处环境或对象的不同特征信息之间的互补性和冗余性，采用有效的方法将它们融合，弥补单一信息源的缺陷口７｜。ＧＩｓ作为辅助数据用于提高遥感图像分类精度是近年常采用的方法。ＧＩｓ可作为辅助数据用于训练区的选择、分类数据预分层及分类后处理，或作为附加波段用于分类的过程。例如，Ｒ．Ｍ．Ｐｒ０１一ｋｄｅｓｍａ将ＴＭ图像和地

法）。如，李颖、赵文吉利用‰ｄｓａｔ图像分别采用成

熟统计方法和流行神经网络方法对北京某地区土地利用信息分类提取，结果表明，神经网络明显优于统计方法［３对北京沙河镇地区的高光谱数据进行了分类实验，取得了很好的效果，其训练样本和测试样本的分类精度达到９０％以上Ⅲｏ。

本（教师信号或目标输出）的选取，只是在算法上加以改进，在一定程度上限制了神经网络的发展，ＢＰ

・４・

国土资源遥感

２００５年

形图结合采用监督分类方法对Ｍｅｘｉｃｏ郊区的土地利用变化进行分类，分类精度达到８２％㈣ｏ。程昌秀在土地利用动态监测中，将土地利用现状的矢量数据与同年同地区的遥感影像做配准与叠加，对于少数地类不单一的图斑做局部边界提取，使分割后输入图斑内的地类单一，再以图斑为单位提取整个图斑的灰度特征、纹理特征和形态特征等多种判别指标，大大提高了影像的判别精度Ｈ１Ｉ。

但是，当分类器要求数据具有一定的统计特征时，而多数ＧＩｓ数据作为辅助数据往往又不满足统计分类所要求的统计特性。这样附加“波段”方法就不合适。为解决这个问题，有不少研究者提出了知识驱动的遥感解译，即将空问数据发掘和知识发现作用于ＧＩＳ数据库并用于遥感分类。空间数据挖掘是从空间数据库中提取用户感兴趣的空间模式与特征、空间与非空间数据的普遍关系及其它一些隐含在数据库中的普遍的数据特征的过程Ｈ２｜。它主要是采用数据发掘技术从ＧＩｓ数据库和遥感图像中发３｜。邸凯昌等将该方法２｜。

基于专家知识和地学知识的图像分类

传统的统计方法和神经网络分类方法缺乏地学

万　

方数据各地类的变化知识将用于遥感图像的分类。例如，费鲜芸等将原土地利用数据库和各土地利用类型的动态变化知识用于新的遥感图像分类之中，以提高分类精度，并更新原有的土地利用数据库…。

６

结合实际情况的分类方法

遥感图像的分类算法很多，但还没有一种算法

是最普遍和最佳的，这主要是由于遥感图像数据的复杂性决定的。因此，不少研究者针对具体遥感数据不断探索新的分类算法来达到更好的效果。例如，刘咏梅、杨勤科及温仲明针对地形复杂区采用了改进的分类方法，即首先以非监督分类方法获得初始训练样本，在对样本进行增补和修改的基础上再进行监督分类，对陕北黄土丘陵沟壑地区的ＴＭ图像进行分类，取得良好的分类效果Ｈ８｜。莫源富的分区分类法是针对山区遥感图像的一种有效的分类方法。即光照区与阴影区分别分类，在光照区选取一套训练场地先完成光照区的分类，之后，在野外选取的样地图斑的基础上参照光谱区分类结果，采用地物领域相关法（一种成片分布的地物可以跨越相邻的阴影区和光照区），补充选取阴影区训练场地，进行阴影区的分类。两区的分类结果叠加合成得到最终的分类结果。这种分类方法与采用类别细分方法区分阴阳坡同类地物有着本质的不同。４

２｜。

遥感图像分类方法研究的趋势和前景

随着遥感技术的发展，结合人工智能技术和理

力的大幅提高，基于光谱特征空间分析的非参数型现知识，用于改善遥感图像分类。这类方法可以利用已经获得的相关知识来改进或确定分类结果，但是需解决多种信息不一致时的问题。例如，游代安提出了从ＧＩｓ空间数据库中挖掘知识用以辅助遥感影像分类，以提高分类精度Ｍ用于北京地区ＳＰＯＴ多光谱图像和ＧＩｓ数据库进行土地利用分类，能较好地解决同物异谱，异物同谱等问题，分类精度得到提高，并且能根据发现的知识进一步细分类，扩展了图像分类的能力Ｈ

５

７

论的发展，模糊数学的成熟应用以及计算机运算能技术分类方法逐步成熟。基于神经计算理论的遥感影像分类方法在国内外很多专家都已经做了大量的研究工作，人工神经网络已经在遥感影像分类和信息提取等研究中得到了广泛的应用，如土地覆盖的分类问题、多时相动态地物的区分、基于多源空间数据的融合和分类、模糊分类、融合先验知识的遥感影像分类、影像结构信息提取等，这些应用在不同程度上都获得了有实际意义的结果。但是，遥感影像数据类别多，含混度大，如何解决多类别分类识别并满足一定的分类精度，是当前遥感影像研究中的一个关键问题。当前遥感影像分类的研究热点主要包括［４９］：①影像空间分布与结构信息的提取；②基于知识库和推理机的遥感影像分类；③人工神经网络

知识的支持，难以反映一些特殊类型的地学分布。因此，一些学者尝试利用地学知识并将其形式化、知识化、逻辑推理进行信息判别或用计算机模拟地学专家对遥感影像进行综合地学解译和决策分析。进而出现了专家系统在遥感图分类中的广泛应用。然而，大多数是将知识用于对分类后的影像作后处理。如黎夏利用地物的形状信息对分类结果作后处理，并提高了分类精度ⅢＪ。Ｈ．Ｍｕａｒａｉ利用地物之间的相生和空问配置关系对分类结果作后处理，提高了分类精度Ⅲｏ。他们所用的知识都是一些静态知识。正如陈述彭先生指出，目前对遥感信息物理机制的研究，还处于数理统计相关分析的水平，应该进一步深入到发生学、动力学机制的高级阶段ⅢＪ。因而，

第２期李石华，等：遥感图像分类方法研究综述

・５・

方法；④面向对象分类；⑤分类结果的定量评价方法。随着这些研究的进一步深入，遥感影像分类更加自动化和智能化，分类精度将得到进一步提高。

８

结语

目前，遥感应用中使用较多的仍是传统的分类

方法。近年来，随着遥感技术和计算机技术的不断发展，专家系统、神经网络、模糊技术和数学形态学等一些原来实现困难的新方法也在遥感图像分类中发挥作用，虽然这些新的方法比传统的方法在分类精度上有明显提高，可也存在一定的不足。为了进一步提高分类精度，综合利用各种信息进行遥感图像分类势在必行，同时这也是遥感应用科学家们一直探索的方向之一。

致谢：本文在撰写过程中得到导师王金亮教授的悉心指导，在此深表感谢！

参考文献

［１］杨凯．遥感图像处理原理和方法［Ｍ］．北京：测绘出版社，

１９８８．

［２］傅肃性，等．遥感专题分析与地学图谱［Ｍ］．北京：科学出版社，

２００２．

［３］孙家捅．遥感原理与应用［Ｍ］．武汉：武汉大学出版社，２００２．［４］

骆剑承，王钦敏，马江洪，等．遥感图像最大似然分类方法的ＥＭ

改进算法［Ｊ］．测绘学报，２００２，３１（３）：２３４—２３９．

［５］杨存建，周成虎．基于知识的遥感图像分类方法的探讨［Ｊ］．地

理学与国土研究，２００１，１７（１）：７２—７７．

［６］林培．农业遥感［Ｍ］．北京：北京农业大学出版社，１９９１．［７］梅安新，彭望碌，秦其明，等，遥感导论［Ｍ］．北京：高等教育出

版社，２００１．『８１

ＥｄｉｒｉｗｉｃｋｒｅｍＪ．Ｋｈｏ珊ｍ

Ｓ．ＨｉｅｍｒｃｈｉｃａｌＭａ】【ｉｍｕｍ—Ｌｉｋｅｌｉｈ００ｄ

ＣＩａｓｓｉ６ｃａｔｉｏｎｆｏｒＩｍｐＩＤｖｅｄ

Ａｃｃｕｍｃｉｅｓ［Ｊ］．ＩＥＥＥＴｍｎｓ．衄Ｇｅｏｓｃｉ—

ｅｎｃｅ

ａｎｄＲｅｍｏｔｅ

ｓｅｎｓｉｎｇ，１９９７，３５（４）：８１０—８１６．

［９］ＭｃｌａｃｈｌａｎｇＪ，Ｂａｓｆｏｒｄ

Ｋ

Ｅ．７ＩｈｅＥＭＡＩｇｏｆｉｔｈｍａｎｄＥｘｔｅｎｓｉｏｎｓ

［Ｍ］．ＮｅｗＹｏｒｋ：ＪｏｈｎｗｉＩｅｙ，１９９７．

［１０］Ｂｉｓｃｈｏｆ

Ｈ，ＰｉｎｚＡＪ．Ｍｕｌｔｉ—ｓｐｅｃｔｒａｌＣｌａｓｓｉ壬ｉｃａｔｉｏｎｏｆ

Ｌ蚰ｄｓａｔ—Ｉｍ—

ａｇｅｓｕｓｉｎｇＮｅｕｒａｌ

Ｎ咖ｏｒｋｓ［Ｊ］．ＩＥＥＥ

Ｔ咖１ｓ．ｏｎＧｅｏｓｃｉｅｎｅｅａＩｌｄ

Ｒｅｍｏｔｅ

Ｓｅｎｓｉｎｇ，１９９２，３０（３）：４８２—４９０．［１１］李祚泳．用ＢＰ神经网络实现多波段遥感图像的监督分类［Ｊ］．

红外与毫米波学报，１９９８，１７（２）：１５３—１５６．

［１２］ｓａｌｕ锄ｄＹ，ＴｉｌｔｏｎＪ．ＣｌａｓｓｉｆｉｃａｔｉｏｎｏｆＭｕｌｔｉ—ｓｐｅｃｔｒａｌ

Ｉｍ８９ｅ

Ｄａｔａ

ｂｙｔ｝ｌｅ

Ｂｉｎａｒｙ

ＢｉａｍｏｎｄＮｅｕｒａｌＮｅｔｗｏｒｋｓ卸ｄ

ｂｙ

Ｎ彻ｐａ瑚ｎｅ试ｃ，

Ｐｉｘｅｌ—ｂｙ—ＰｉｘｅｌＭｅｔｈｏｄｓｆＪ］．ＩＥＥＥＴＩ彻ｓ．０ｎ（ｋｏｓｃｉｅｎｃｅａｎｄ

Ｒｅｍｏｔｅ

ｓｅｎｓｉ“ｇ，１９９３，３ｌ（３）：６０６—６１７．

［１３］Ｙ蛐ａｚａｋｉ

Ｔ，Ｇｉｎｇｍｓ

Ｄ．Ｉｍａｇｅ

ｃｌ踮ｓｉｆｉｃａｔｉｏｎｕｓｉｎｇｓｐｅｃｔｒａｌａｌｌｄ

Ｉｎ—

ｆｏ玎ｎａｔｉｏｎＢａｓｅｄｏｎ

ＭＡＲ

Ｍｏｄｅｌｓ［Ｊ］．ＩＥＥＥ

７Ｉｈｎｓ．ｏｎ

Ｉｍａｇｅ

Ｐｍ—

万　

方数据ｃｅｓｓｉｎｇ，１９９５，１４（９）：１３３３—１３３９．

［１４］于秀兰，莫红，等．Ｍａｒｋｏｖ随机场模型在多光谱遥感图像分类

中的应用［Ｊ］．中国农业资源与区划，１９９９，２０（５）：４８—５３．［１５］朱建华，刘政凯，俞能海．一种多光谱遥感图像的自适应最小距

离分类方法［Ｊ］．中国图象图形学报，２０００，５（１）：２１—２３．［１６］刘伟强，陈鸿，夏德深．基于马尔可夫随机场的快速图像分割

［Ｊ］．中国图象图形学报，２００１，６（３）：２２８—２３３．

［１７］萧嵘，孙晨，王继成，等．一种具有容噪性能的ｓＶＭ多值分类

器［Ｊ］．计算机研究与发展，２０００，３７（９）：１０７１—１０７５．

［１８］朱述龙，张占睦．遥感图像获取与分析［Ｍ］．北京：科学技术出

版社，２０００．

［１９］陈华，陈书海，张平，等．Ｋ—ｍｅａｎｓ算法在遥感分类中的应用

［Ｊ］．红外与激光工程．２０００，２９（２）：２６—３０．

［２０］Ｊ舢ｅｓ

Ｊ，ＴｉｍｏｔｈｙＪ，ｅｔａ１．Ａｎｉｍｐｒｏｙｅｄｈｙｂ谢ｃｌｕｓｔ耐ｎｇ

ａ１９０ｒｉｔｈｍ

ｆｏｒｎａｔｕｒａｌ

ｓｃｉｅｎｅｓ［Ｊ］．ＩＥＥＥ７ｒｒａｎｓ船ｔｉｏｎ

０ｎ

Ｇｅｏｓｃｉｅｎｃｅ锄ｄＲｅｍｏｔｅ

Ｓｅｎ８ｉｎｇ，２０００，３８（２）：１０１６—１０３２．

［２１］王志刚，朱振海，王红梅，等．光谱角度填图方法及其在岩性识

别中的应用［Ｊ］．遥感学报，１９９９，３（１）：６０一６５．

［２２］ｓａｌｌＲｅｎＨ，ｃｈｅｉｎＩｃｈａｎｇＩ．Ａｇｅｎｅ商ｉｚｅｄｏｎｈ０９０ｎａｌａＩｓｕｂ

ｓｐａｃｅ

ｐｍ—

ｊｅｃｔｉｏｎ印ｐｒｏａｃｈ

ｔｏ

ｕｎｓｕｐｅｒｖｉｓｅｄｍｕｌｔｉ—ｓｐｅｃｔｒａｌ

ｉｍａｇｅ

ｃｌ鹊ｓ函ｃａｔｉｏｎ

［Ｊ］．ＩＥＥＥ

Ｔｒａ『ｌｓａｃｔｉｏｎ

ｏｎ

ＧｅｏｓｃｉｅｎｃｅａＩｌｄＲｅｒｎｏｔｅｓｅｎｓｉｎｇ，２（）００，

３８（６）：２５１５—２５２８．

［２３］Ⅱ痂目ｌ删ＡｇｕｓｔｉＩｌ，ｃｈｅｉｎＩｃｈ柚昏ＵｎｓｕｐｅⅣｉｓｅｄｈｙｐｅ瑙ｐｅｃ砌ｉｍ－

ａｇｅ

ａＩｌａｌｙｓｉｓｗｉｔｈ

ｐ叫ｅｃｔｉｏｎ

ｏｎ

ｐｕＩｓｕｉｔ［Ｊ］ＩＥＥＥ‘ｎ锄ｓ．ｏｎ

Ｇｅｏｓｃｉ—

ｅｎｃｅ∞ｄ

Ｒｅｍｏｔｅ

Ｓｅｎｓｉｎｇ，２０００，３８（６）：２５２９—２５３８．

［２４］吴革洪，高才松，刘玉民．聚类分析在油藏分类中的应用［Ｊ］．断

块油气田，２００１，８（１）：３６—３７．

［２５］贺德化，朱锋峰，彭英伟．有类间距离因素聚类结果的比较分析

［Ｊ］．运筹学学报，１９９８，２（２）：３６—４１．

综合方法［Ｊ］．自动化学报，２０００，２６（２）：２３３—２３８．

影像分类模型研究［Ｊ］．中国图象图形学报，２０００，５（２）：９４—

９９４．

报，１９９９，４（５）：３６８—３７１．

积——以湖北省双季水稻为例［Ｊ］．遥感学报，２００ｌ，５（３）：２２７

—２３０．

知识集成方法研究［Ｊ］．遥感学报，２００ｌ，５（２）：１２２—１２９．

研究［Ｊ］．遥感学报，１９９９，３（２）：１３９一１４３．

的应用［Ｊ］．北京大学学报（自然科学版），２０００，３６（６）：８５８—８“．

调查中的应用［Ｊ］．长春科技大学学报，２００１，３１（３）：２６１—２“．算法［Ｊ］．中国图象图形学报．２０００，５（３）：１９６—２０１．

中的应用研究［Ｊ］．遥感学报，２００４，８（２）：１７８—１８４．

［２６］李强，王正志．基于人工神经网络和经验知识的遥感信息分类

［２７］骆剑承，周成虎，杨艳．基于径向基函数（ＲＢＦ）映射理论的遥感

［２８］王耀南．小波神经网络的遥感图像分类［Ｊ］．中国图象图形学

［２９］阎静，王汶，李湘阁．利用神经网络方法提取水稻种植面

［３０］骆剑承，周成虎，杨艳．人工神经网络遥感影像分类模型及其与

［３１］孙丹峰，汲长远，林培．自组织网络在遥感土地覆盖分类中应用

［３２］秦其明，陆荣建．分形与神经网络方法在卫星数字图像分类中

［３３］李颖，赵文吉，李小林．遥感影像的分类与识别技术在土地资源

［３４］熊桢，童庆禧．用于高光谱遥感图像分类的一种高阶神经网络

［３５］张学友，冯学智，阮仁宗，等．Ｋｏｈｏｎｅｎ神经网络在遥感图像分类

・６・

国土资源遥感

２００５年

［３６］王耀南．计算机智能信息处理技术及其应用［Ｍ］．长沙：湖南大

学出版社，１９９９．

［３７］ｃＨＥＮｓｅｉ—ｗａｌｌｇ，ＣＨＥＮＣｈｉ—ｆａｍ，ＣＨＥＮＭｅｎｇ—ｓｅｎｇ．Ｎｅｍ丑ｌ

—ｆｕｚ可ｃｌ鹊ｓｉｆｉｃａｔｉｏｎｆ曲ｓｅｇｅｍｅｎｔａｔｉｏｎｏｆ

１０（４）：２７９—２８７．

［４５］ＭｕｒａｉＨ，０ｍａｎｕｓ．Ｒｅｍｏｔｅｓ肌ｓｉｎｇｉｍａｇｅＡｎａｌｙｓｉｓｕｓｉｎｇ

ａ

ＮｅｕｒａｌＪｏｕ卜

Ｎｅｔｗｏｒｋａｌｌｄ

Ｋｎｏｗｌｅｄｇｅ—ｈ喊ｄＰｍｃｅ８ｓｉｎｇ［Ｊ］．Ｉｎｔｅｍ撕ｏｎａｌ

Ｓｅｎｓｉｎｇ，１９９７，１８（４）：８１ｌ一８２８．

ｒｅｍｏｔｅｌｙｓｅｎｓｅｄｉｍａｇｅｓ

ｎａｌｏｆＲｅｍｏｔｅ

［Ｊ］．ＩＥＥＥ７ｒｒａｌｌｓａｃｔｉ∞ｓ

—２６５４．

ｏｎ

ｓｉ印ａｌＰｒｏｃｅｓｓｉｎｇ，１９９７，４５（１１）：２６３９［４６］陈述彭．遥感地学分析的时空维［Ｊ］．遥感学报，１９９７，１（３）：１６１

—１６９．

［３８］赵振宇，徐用懋．模糊理论和神经网络的基础与应用［Ｍ］．北

京：清华大学出版社，１９９６．

［３９］张宝光．数学形态学在遥感数字图像分类处理中的应用［Ｊ］．测

绘信息工程，２０００，５：１—５．［４ＪＤ］Ｐｍｌ—Ｌｅｄｅｓｍａ

０ｄｓｕ８ｉｎｇ３８４２．

Ｍ．Ａｃｏｍｐａｒｉｓｏｎｏｆｃｏｎｔｅｘｔｕａｌｃｌａ８ｓ击ｃａｔｉｏｎｍｅｔｈ－

［４７］费鲜芸，高祥伟．土地利用／土地覆盖遥感分类研究综述［Ｊ］．山

东农业大学学报，２００２，３３（３）：３９１—３９４．

［４８］刘咏梅，杨勤科，温仲明．地形复杂地区遥感图像分类方法应用

研究——以黄土丘陵沟壑地区坡耕地遥感调查为例［Ｊ］．水土保持学报，２００３，２３（４）：３０一３３．

［４９］周成虎，骆剑承，杨小梅，等．遥感影像地学理解与分析［Ｍ］．北

京：科学出版社，２００１．

［５０］张宝光．人工神经网络在遥感数字图像分类处理中的应用［Ｊ］．

国土资源遥感，１９９８，（１）：２１—２７．

ＴＭ［Ｊ］．Ｉｎｔ．Ｊ．Ｒｅｍｏｔｅｓｅｎｓｉｎｇ，１９９７，１８（１８）：３８８５—

［４１］程昌秀，严泰来．ＧＩｓ与Ｒｓ集成的高分辨率遥感影象分类技术

在地类识别中的应用［Ｊ］．中国农业大学学报，２００ｌ，６（３）：５０一

５４．

［５１］刘伟强，胡静，夏德深．基于核空间的多光谱遥感图像分类方法

［Ｊ］．国土资源遥感，２００２，３：４４—４７．

［５２］佘丰宁，蔡启铭．主成分监督分类及其在水质特征遥感图像识

别中的应用［Ｊ］．湖泊科学，１９９７，９（３）：２６ｌ一２６８．

［５３］朱长青，王倩，杨晓梅．基于多进制小波的ｓＰＯＴ全色影像和多

光谱遥感影像融合［Ｊ］．测绘学报，２０００，２９（２）：１３２—１３６．

［４２］邸凯昌，李德仁，李德毅．基于空间数据发掘的遥感图像分类方

法研究［Ｊ］．武汉测绘科技大学学报，１９９７，１２（４）：４２—４８．［４３］游代安，蒋定华．ＧＩｓ辅助下的Ｂａｙｅｓ法遥感影象分类［Ｊ］．测绘

学院学报，２００ｌ，１８（２）：１１３—１１７．

［４４］夏黎．形状信息的提取与计算机自动分类［Ｊ］．环境遥感，１９９５，

Ａ

ＲＥＶＩＥＷ

ｏＦ

ＭＥＴＨＯＤＳＦｏＲＣＬＡＳＳＩＦＩＣＡＴＩｏＮ

ｏＦ

ＲＥＭＯＴＥＳＥＮＳＩＮＧ

ｍＡＧＥＳ

ＵＳｈｉ—ｈｕａｌ，ＷＡＮＧＪｉｎ—ｌｉａｎ９１，ＢＩＹａｎｌ”，ＣＨＥＮＹａ０１，ＺＨＵＭｉａｏ—ｙｕａｎｌ，ＹＡＮＧＳｈｕａｉ３，ＺＨＵＪｉａｌ

（１．ｃｏ阮鲈矿％戚ｍ口以Ｇｅｐｇｒ叩矗如＆据舭，沌ｎ船ｎⅣＤｒ，№ｆ确勘ｅ巧妙，凰ｎｍｉ愕６５００９２，吼ｉ啪；２．砘ｎ耽ｎ风斑船旷

忍膦拈池ｚ玩ｅ删，．‰啪６６５０００，傩ｉ眦；３．ｚ阮ⅣＤ．１ｍ池您ｓ如甜矿‰移懈ｎｃ渺，‰移讹ｎ６６１６００，Ｃ矗讹）

Ａｂｓｔｒａｃｔ：ＴｈｅｍｅｔｈｏｄｓｆｏｒｓｕｐｅⅣｉｓｅｄａｎｄｕｎｓｕｐｅｒｖｉｓｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓ

ａｒｅ

ｒｅｖｉｅｗｅｄｉｎｔｈｉｓ

ｐ印ｅｒ．

ＴｈｅｍａｉｎｐＩＤｂｌｅｍｓｄｉｓｃｕｓｓｅｄｉｎｃｌｕｄｅｔｈｅｍｅｒｉｔｓ，ｓｈｏｎａｇｅｓａｎｄａｐｐｌｉｃａｔｉｏｎｆｉｅｌｄｓａｎｄ

ｃｏｎｄｉｔｉｏｎｓｏｆｔｈｅｓｅ

ｍｅｔｈｏｄｓ．Ａｎｉｎｔｅｇｍｔｅｄｅｖａｌｕａｔｉｏｎｏｆｔｈｅｓｅｍｅｔｈｏｄｓｉｓａｌｓｏｇｉｖｅｎ．Ｔｈｅｆｕｔｕｒｅｄｅｖｅｌｏｐｉｎｇｔｒｅｎｄｓａｎｄｔｈｅｋｅｙｐｏｉｎｔｓ

ｉｎｔｈｅｓｔｕｄｙｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｃｌａｓｓ逾ｃａｔｉｏｎ

ａｒｅ

ｄｅａｌｔ埘ｔｈ

ａｔ

ｔｈｅｅｎｄｏｆｔｈｉｓｐａｐｅｒ．

Ｋｅｙｗｏｒｄｓ：Ｒｅｍｏｔｅｓｅｎｓｉｎｇ；Ｉｍａｇｅｃｌａｓｓｉ６ｃａｔｉｏｎ；Ｃｌａｓｓｉ６ｃａｔｉｏｎｍｅｔｈｏｄｓ

第一作者简介：李石华（１９８０一），男，汉族，云南省马龙县人，硕士研究生，主要从事遥感和ＧＩｓ方面的研究。

（责任编辑：肖继春）

∥乜叫ｂｄＬ］叫Ｌ］ｄＬ］ｄＬ］叫Ｌ］叫ｂｄｂｄ。］叫Ｌ］ｄｂｄｂｄＬ］ｄｂｄｂｄｂ叫ｂ［｜Ｌ］叫ｂｄ。］叫Ｌ］ｄｂ［。ｂｄｂＥ】Ｌｊ［。】Ｌ］［｜Ｌ］ｄｂｄＬ］ｄＬ］［。Ｌ］ｄＬ］叫ｂ叫Ｌ］ｄ日ｄＬ］叫Ｌ］叫吣

日目

８

ｉ

下期预告

毛克彪用被动微波ＡＭｓＲ数据反演地表温度及发射率方法研究尹辉增基于坐标转换数据的面积计算分析马雪梅城市热场与绿地景观相关性定量分析

黄世存几种不同矩阵算法的遥感图像几何精纠正效果比较刘楠基于局部光谱空间分析的多尺度边缘检测

王京滨里海盆地东缘阿克纠宾地区地面遥感地质及地球物理场研究

ｉ

ｉ

《

《

８

《

《

８

日目

８

ｇ

目目

＆巳９巳目巳目巳目巳目巳目ｒ］目巳目乜目巳马巳口巳目巳目巳目目目口［１日目目目日目口［１目目目目目马巳目巴亡１口日口［１『］［］巨目巨目口［１闷目巨目巳舅ｒ］目ｐ亡１－］亡］ｐ目锣

万方数据　

遥感图像分类方法研究综述

作者：作者单位：

李石华， 王金亮， 毕艳， 陈姚， 朱妙园， 杨帅， 朱佳， LI Shi-hua， WANG Jin-liang， BI Yan， CHEN Yao， ZHU Miao-yuan， YANG Shuai， Zhu Jia

李石华,王金亮,陈姚,朱妙园,朱佳,LI Shi-hua,WANG Jin-liang,CHEN Yao,ZHU Miao-yuan,Zhu Jia(云南师范大学旅游与地理科学学院,昆明,650092)， 毕艳,BI Yan(云南师范大学旅游与地理科学学院,昆明,650092;云南省寄生虫病防治所,思茅,665000)， 杨帅,YANGShuai(云南开远市第一中学,开远,661600)国土资源遥感

REMOTE SENSING FOR LAND & RESOURCES2005(2)29次

刊名：英文刊名：年，卷(期)：被引用次数：

参考文献(53条)

1.杨凯 遥感图像处理原理和方法 19882.傅肃性 遥感专题分析与地学图谱 20023.孙家柄 遥感原理与应用 2002

4.骆剑承;王钦敏;马江洪 遥感图像最大似然分类方法的EM改进算法[期刊论文]-测绘学报 2002(03)5.杨存建;周成虎 基于知识的遥感图像分类方法的探讨[期刊论文]-地理学与国土研究 2001(01)6.林培 农业遥感 1991

7.梅安新;彭望琭;秦其明 遥感导论 2001

8.Ediriwickrema J;Khorram S Hierarchical Maximum - Likelihood Classification for Improved Accuracies 1997(04)

9.Mclachlang J;Basford K E The EM Algorithm and Extensions 1997

10.BISCHOF H;Pinz A J Multi - spectral Classification of Landsat - Images Using Neural Networks1992(03)

11.李祚泳 用BP神经网络实现多波段遥感图像的监督分类[期刊论文]-红外与毫米波学报 1998(02)

12.Salu and Y;Tilton J Classification of Multi - spectral Image Data by the Binary Biamond NeuralNet works and by Nonparametric,Pixel - by - Pixel Methods[外文期刊] 1993(03)

13.Yamazaki T;Gingras D Image Classification Using Spectral and Information Based on MAR Models[外文期刊] 1995(09)

14.于秀兰;莫红 Markov随机场模型在多光谱遥感图像分类中的应用[期刊论文]-中国农业资源与区划 1999(05)15.朱建华;刘政凯;俞能海 一种多光谱遥感图像的自适应最小距离分类方法[期刊论文]-中国图象图形学报2000(01)

16.刘伟强;陈鸿;夏德深 基于马尔可夫随机场的快速图像分割[期刊论文]-中国图象图形学报 2001(03)17.萧嵘;孙晨;王继成 一种具有容噪性能的SVM多值分类器[期刊论文]-计算机研究与发展 2000(09)18.朱述龙;张占睦 遥感图像获取与分析 2000

19.陈华;陈书海;张平 K-means算法在遥感分类中的应用[期刊论文]-红外与激光工程 2000(02)

20.James J;Timothy J An improved hybrid clustering algorithm for natural scienes[外文期刊] 2000(02)21.王志刚;朱振海;王红梅 光谱角度填图方法及其在岩性识别中的应用[期刊论文]-遥感学报 1999(1)

22.SanRen H;Cheinlchang I A generalized orthogonalalsub space projection approach to unsupervisedmulti - spectral image classification[外文期刊] 2000(06)

23.Ifarraguerri Agustin;Chein Ichang Unsupervised hyperspectral image analysis with projection onpursuit[外文期刊] 2000(06)

24.吴革洪;高才松;刘玉民 聚类分析在油藏分类中的应用[期刊论文]-断块油气田 2001(01)25.贺德化;朱锋峰;彭英伟 有类间距离因素聚类结果的比较分析 1998(02)

26.李强;王正志 基于人工神经网络和经验知识的遥感信息分类综合方法[期刊论文]-自动化学报 2000(02)27.骆剑承;周成虎;杨艳 基于径向基函数(RBF)映射理论的遥感影像分类模型研究[期刊论文]-中国图象图形学报2000(02)

28.王耀南 小波神经网络的遥感图像分类[期刊论文]-中国图象图形学报 1999(05)

29.阎静;王汶;李湘阁 利用神经网络方法提取水稻种植面积--以湖北省双季水稻为例[期刊论文]-遥感学报2001(03)

30.骆剑承;周成虎;杨艳 人工神经网络遥感影像分类模型及其与知识集成方法研究[期刊论文]-遥感学报 2001(2)31.孙丹峰;汲长远;林培 自组织网络在遥感土地覆盖分类中应用研究[期刊论文]-遥感学报 1999(2)

32.秦其明;陆荣建 分形与神经网络方法在卫星数字图像分类中的应用[期刊论文]-北京大学学报(自然科学版)2000(06)

33.李颖;赵文吉;李小林 遥感影像的分类与识别技术在土地资源调查中的应用[期刊论文]-长春科技大学学报2001(03)

34.熊桢;童庆禧 用于高光谱遥感图像分类的一种高阶神经网络算法[期刊论文]-中国图象图形学报 2000(03)35.张学友;冯学智;阮仁宗 Kohonen神经网络在遥感图像分类中的应用研究[期刊论文]-遥感学报 2004(02)36.王耀南 计算机智能信息处理技术及其应用 1999

37.CHEN Sei- wang;CHEN Chi - farn;CHEN Meng - seng Neural - fuzzy classification for segementationof remotely sensed images[外文期刊] 1997(11)38.赵振宇;徐用懋 模糊理论和神经网络的基础与应用 1996

39.张宝光 数学形态学在遥感数字图像分类处理中的应用[期刊论文]-测绘信息工程 2000(2)40.Prol- Ledesma M A Comparison of contextual classification methods using TM 1997(18)

41.程昌秀;严泰来 GIS与RS集成的高分辨率遥感影象分类技术在地类识别中的应用[期刊论文]-中国农业大学学报2001(03)

42.邸凯昌;李德仁;李德毅 基于空间数据发掘的遥感图像分类方法研究[期刊论文]-武汉测绘科技大学学报1997(04)

43.游代安;蒋定华 GIS辅助下的Bayes法遥感影象分类[期刊论文]-测绘学院学报 2001(02)44.夏黎 形状信息的提取与计算机自动分类 1995(04)

45.Murai H;Omartu S Remote Sensing image Analysis Using a Neural Network and Knowledge - basedProcessing[外文期刊] 1997(04)

46.陈述彭 遥感地学分析的时空维[期刊论文]-遥感学报 1997

47.费鲜芸;高祥伟 土地利用/土地覆盖遥感分类研究综述[期刊论文]-山东农业大学学报(自然科学版) 2002(03)48.刘咏梅;杨勤科;温仲明 地形复杂地区遥感图像分类方法应用研究--以黄土丘陵沟壑地区坡耕地遥感调查为例[期刊论文]-水土保持学报 2003(04)

49.周成虎;骆剑承;杨小梅 遥感影像地学理解与分析 2001

50.张宝光 人工神经网络在遥感数字图像分类处理中的应用[期刊论文]-国土资源遥感 1998(01)

51.刘伟强;胡静;夏德深 基于核空间的多光谱遥感图像分类方法[期刊论文]-国土资源遥感 2002(3)52.佘丰宁;蔡启铭 主成分监督分类及其在水质特征遥感图像识别中的应用 1997(03)

53.朱长青;王倩;杨晓梅 基于多进制小波的SPOT全色影像和多光谱遥感影像融合[期刊论文]-测绘学报 2000(02)

本文读者也读过(5条)

1. 潘建刚.赵文吉.宫辉力 遥感图像分类方法的研究[期刊论文]-首都师范大学学报（自然科学版）2004,25(3)2. 刘仁钊.廖文峰.LIU Renzhao.LIAO Wenfeng 遥感图像分类应用研究综述[期刊论文]-地理空间信息2005,3(5)3. 王一达.沈熙玲.谢炯.WANG Yi-da.SHEN Xi-ling.XIE Jong 遥感图像分类方法综述[期刊论文]-遥感信息2006(5)

4. 李海洋.Li Haiyang 遥感图象分类方法综述[期刊论文]-林业科技情报2008,40(1)

5. 杜凤兰.田庆久.夏学齐 遥感图像分类方法评析与展望[期刊论文]-遥感技术与应用2004,19(6)

引证文献(29条)

1.郝小亮.彭林丹.陈登 基于影像分类原理的田坎系数获取研究[期刊论文]-国土资源科技管理 2009(5)2.杨玉静.冯建辉 纹理特征提取及辅助遥感影像分类技术研究[期刊论文]-海洋测绘 2008(4)

3.杨玉静.于彦伟.冯建辉 纹理特征辅助遥感影像分类技术的探讨[期刊论文]-测绘与空间地理信息 2008(6)4.梁伟.杨勤科.刘咏梅 黄土高原地形复杂区土地利用信息提取方法研究[期刊论文]-国土资源遥感 2006(3)5.闫琰.董秀兰.李燕 基于ENVI的遥感图像监督分类方法比较研究[期刊论文]-北京测绘 2011(3)6.孟宪双 卫星遥感技术在水文地质勘查中的应用[期刊论文]-科技创业家 2011(1)

7.孟海东.郝永宽.王淑玲 聚类分析在非监督图像分类中的应用研究[期刊论文]-计算机与现代化 2009(10)8.赵同阳.周可法.张晓帆.陈川.徐仕琪 基于人机交互技术的ETM+影像岩性信息提取方法研究——以康恩纳德斑岩铜矿床为例[期刊论文]-新疆地质 2008(2)

9.曹玉琳.尹显东.张健 遥感图像中城市对象自动识别技术的实现[期刊论文]-电子工程师 2007(5)10.邹慧峰 找水中现代水文地质勘察方法的综合应用[期刊论文]-黑龙江科技信息 2011(12)11.曹扬.洪金益 基于统计分析的遥感图像分类方法[期刊论文]-西部探矿工程 2008(4)12.丁辉 鄂尔多斯盆地遥感图像地质现象识别及应用[学位论文]硕士 2006

13.余先川.安卫杰.吕中华.邹伟 一种基于光谱角和光谱距离自动加权融合分类方法[期刊论文]-地质学刊 2012(1)14.陈冬花.李虎.马江林 基于CBERS-2数据的新疆天山西部森林资源监测研究[期刊论文]-国土资源遥感 2007(2)15.陈习军.杨树锋 基于ICA的遥感图像多组分研究[期刊论文]-国土资源信息化 2007(3)

16.邓书斌.武红敢.江涛 基于PCA/NDVI的森林覆盖遥感信息提取方法研究[期刊论文]-国土资源遥感 2007(2)17.胡海清.张喆.吴学伟 基于遥感的塔河林业局森林可燃物类型划分[期刊论文]-东北林业大学学报 2007(7)18.李智峰.朱谷昌.董泰锋 基于灰度共生矩阵的图像纹理特征地物分类应用[期刊论文]-地质与勘探 2011(3)19.王新玉 北京市土地利用遥感信息提取及动态变化研究[学位论文]硕士 200620.李菲菲 国内多源遥感数据融合研究综述[期刊论文]-山西水土保持科技 2008(2)

21.李谢辉.郑奕 基于最优波段组合的土地利用/覆盖遥感信息提取研究[期刊论文]-安徽农业科学 2009(14)22.陈汇林.陈小敏.陈珍丽.朱乃海.陶忠良 基于MODIS遥感数据提取海南橡胶信息初步研究[期刊论文]-热带作物学报 2010(7)

23.张佩芳.邓喜庆.刘桂青 多尺度空间下的云南山地流域遥感土地利用分类对比研究[期刊论文]-国土资源遥感2007(1)

24.申克建.周伟.袁春.袁涛.董国栋.刘顺喜.周连芳 CBERS-02星CCD数据土地利用分类方法研究——以江苏省宜兴地区为例[期刊论文]-遥感信息 2009(2)

25.周佳.赵冬玲.何宇华.陈靓 基于中巴卫星影像的土地利用分类精度评价[期刊论文]-测绘科学 2007(6)26.乔治.孙希华 MODIS在我国陆地科学中的应用进展研究[期刊论文]-国土资源遥感 2011(2)

27.李智峰.朱谷昌.董泰锋 基于灰度共生矩阵的图像纹理特征地物分类应用[期刊论文]-地质与勘探 2011(3)28.黄玮 高光谱遥感分类与信息提取综述[期刊论文]-数字技术与应用 2010(5)29.刘晶 基于语义的自然图像检索[学位论文]硕士 2006

本文链接：http://d.wanfangdata.com.cn/Periodical_gtzyyg200502001.aspx