植被遥感信息提取方法研究进展及发展趋势

黄佩, 普军伟, 赵巧巧, 李忠杰, 宋浩昆, 赵筱青

Research progress and development trend of remote sensing information extraction methods of vegetation

HUANG Pei, PU Junwei, ZHAO Qiaoqiao, LI Zhongjie, SONG Haokun, ZHAO Xiaoqing

表1 常用的监督与非监督分类方法

Tab.1 Common supervised and unsupervised classification methods

方法 类别 方法名称 优势 不足 监督分类 最大似然法 考虑了波段间的协方差和未知像元属于不同类别的概率 对样本光谱特征要求高(正态分布);计算量大、对不同类别方差变化敏感 平行六面体法 简单,有效,考虑了不同类别间的方差 类别较多时,不同类别特征空间易重叠 最小距离法 方法简单、实用性强、计算速度快 未考虑不同类别内部方差异同,易导致不同类别边界的重叠现象出现 马氏距离法 不受量纲影响,方法简单,计算速度快 易受协方差矩阵不稳定性的影响 非监督分类 K-Means法 算法简单,对于处理大数据集具有相对优势 初始聚类中心的选择具有较大随机性,聚类结果易偏离最优值 ISODATA法 自组织能力强,可考虑类别的分裂和合并;能舍去样本数据很少的类 迭代次数难以把握;最优先验参数难以确定