1. 研究目的与意义（文献综述包含参考文献）

遥感影像分类是影像分析的一个重要内容,它是利用计算机通过对影像中不同地物的空间信息和光谱信息进行分析,选择特征,并将特征空间划分为互不重叠的子空间,然后将影像中各个像元划归到子空间去。目前国内国际上对影像分类的研究主要集中在应用具体的物理的、数学的方法等对影像进行的分类研究方面[1 - 8 ] ,对于影像分类方法的研究,从不同的方面可以划分为不同的类型. 按照利用图像要素的不同,影像分类大体可以分为三种:一是基于图像灰度值的分类,二是基于图像纹理的分类,三是基于多源信息融合的分类[9 ] . 用计算机对影像进行分类应用的主要是模式识别技术,根据具体应用的数学方法不同又可分为:统计法(决策分类法) 、语言结构法(句法方法) 、模糊法以及神经网络法. 在影像分类过程中,根据是否已知训练样本的分类数据,影像分类方法又可以分为监督分类和非监督分类. 本文主要从分类原理、分类过程、分类方法等方面来探讨这两种分类方法的区别与联系。

1 　监督分类的主要方法

最大似然判别法. 也称为贝叶斯(bayes) 分类,是基于图像统计的监督分类法,也是典型的和应用最广的监督分类方法. 它建立在bayes 准则的基础上,偏重于集群分布的统计特性,分类原理是假定训练样本数据在光谱空间的分布是服从高斯正态分布规律的,做出样本的概率密度等值线,确定分类,然后通过计算标本(像元) 属于各组(类) 的概率,将标本归属于概率最大的一组. 用最大似然法分类,具体分为三步:首先确定各类的训练样本,再根据训练样本计算各类的统计特征值,建立分类判别函数,最后逐点扫描影像各像元,将像元特征向量代入判别函数,求出其属于各类的概率,将待判断像元归属于最大判别函数值的一组. bayes 判别分类是建立在bayes 决策规则基础上的模式识别,它的分类错误最小精度最高,是一种最好的分类方法.但是传统的人工采样方法由于工作量大,效率低,加上人为误差的干扰,使得分类结果的精度较差. 利用gis数据来辅助bayes 分类,可以提高分类精度,再通过建立知识库,以知识来指导分类的进行,可以减少分类错误的发生[1 ] ,这正是bayes 分类的发展趋势和提高其分类精度的有效途径.

2. 研究的基本内容、问题解决措施及方案

课题研究方法及措施：

(1)文献研究法

通过查阅[1]梅安新，彭望琭，秦其明等.遥感导论[m].北京：高等教育出版社，2001. [2]党安荣，王晓栋，陈晓峰等.erdas imagine 遥感图像处理方法[m]. 北京：清华大学出版社，2003. [3]孟海东，郝永宽等.遥感图像非监督计算机分类方法的研究[j].计算机与现代化.2008.7,34(3)：90-93. 等文献资料和网络资源，收集国内外研究成果，为基于erdas imagine 遥感影像分类方法研究的开展提供坚实的理论基础。