摘  要:在步入了21世纪以后，迅速性、动态性、多平台与多时相特征使现代遥感技术成为传感技术、航天航空技术和数字通信技术最大的亮点。20世纪90年代之后，以遥感为手段进行的大区域及大尺度土地覆盖面研究应用方面取得重要突破。使用遥感技术在土地利用、土地覆盖等研究上的新方法涌现，遥感在土地利用规划上进行大面积土地详细调查因其便捷性与高精度已开始逐步取代传统单一制图方法。但是，遥感图像分类精度成为遥感在土地利用研究方面中所面临的至关重要的问题。分类精度的高和低直接影响了遥感在土地覆盖物利用的辨识。

通过地物的不同光谱特性来分类是遥感分类最基本的分类原理。遥感图像基本分类过程为：图像的预处理、特征向量选择和提取、分类器设计等三个主要步骤。图像的预处理即为在图像执行分类前，对图像进行校正、增强等预处理。特征提取即使用K—L变换以消除原有向量的各分量之间相关性，以降低特征空间维数。因是否具有先验信息，将遥感图像分类方法分为不需先验信息的非监督分类和需先验信息的监督分类。在无先验知识的情况下，仅根据图像数据本身的统计特性给出聚类分类，但分类的数目需人为给出，此种分类方法称为非监督分类。而监督分类需给出既定学习样本让分类识别系统进行自适应学习，当学习系统掌握各个类别的特征后，再按照分类决策规则对遥感影像进行分类。

本文选取徐州市遥感影像数据，利用ENVI软件中最大似然法、人工神经网络法、支撑向量机分三种分类方法对数据进行分类，对比分析每种分类方法的精度，也对同一地物不同分类方法下的分类精度进行比较说明。研究结果如下：（1）从三种分类方法总体精度上看，支持向量机的精度最高97.38%，人工神经网络精度其次96.99%，最大似然法分类精度最差95.58%；（2）在用地类型为水体、荒地、建设用地时，三种方法分类精度都达到了90%以上，分类结果较好；（3）在耕地的分类过程中，最大似然法分类精度最高，达到98.24%，远高于支撑向量机和人工神经网络91.6%、90.62%的分类精度，与三种分类方法总体分类精度相悖；（4）在林地的分类过程中，三种分类方法只有支持向量机的分类精度达到了90%以上（90.15%），最大似然法和人工神经网络的分类精度82.24%、88.29%相比其他地物分类精度较差，说明林地地块分类效果较差。

关键字：遥感影像分类 最大似然法 人工神经网络 支持向量机 徐州市

目    录

摘  要 I

1 绪论 1

1.1研究背景 1

1.2遥感分类研究现状 1

1.3研究区选取 2

1.4本文结构 2

2 遥感影像分类 3

2.1遥感分类概述 3

2.2地物波谱特征 3

2.3卫星参数 4

2.4遥感分类基本原理 4

2.5三种分类方法简介 4

2.5.1最大似然法 4

2.5.2人工神经网络 5

2.5.3支撑向量机 5

3 不同分类方法下徐州市土地利用分类 6

3.1图像预处理 6

3.1.1图像校正 6

3.1.2图像增强 6

3.2分类结果展示 6

3.2.1最大似然法分类结果 7

3.2.2人工神经网络分类结果 7

3.2.3支撑向量机分类结果 8

4 精度评价与讨论 10

4.1混沌矩阵精度评估 10

4.2三种分类方法精度评价 10

5 结论 11

5.1结论 11

参考文献 12

1 绪论

1.1研究背景

土地覆盖利用是城市建设、生态规划、城乡规划、全球变化的重要课题，其涉及的研究方法、影响因子和演变规律等是研究的热点之一。在RS与GIS诞生之前，使用一个地区现在和过去土地利用的最新地图进行比对、分析来解决用地类型时空变化，不仅工作周期长，而且具有误差大、投入费用高和数据时效性差等严重缺陷，从而耽误土地利用规划进程、花费更多人力物力。而自从RS与GIS应用普及化以后，遥感技术以其迅速、精准、准时、时间短等特点在土地利用类型的应用中具有明显优势[1]。