遥感图像分类方法研究综述
摘要
本文概述了遥感图像分类的概念和原理，详细探讨了传统的遥感分类方法，对各种方法
的进行了定性的比较与分析。然后介绍了分别基于GPU、计算机集群和刀片机服务器的三种
加快分类速度的途径，最后展望了遥感图像分类方法的发展方向和研究热点。
关键词：遥感；图像分类；监督分类；非监督分类；GPU；机群系统；刀片机
1．引言
在遥感图像处理的研究中，无论是专业信息提取，地物变化预测，还是专题地图制作等
都离不开分类。遥感图像分类有类别多，混合度大和计算量大的特点，分类方法的优劣直接
关系到分类的精度和速度。由于遥感图像本身的空间分辨率以及“同物异谱”和“异物同谱”
1
现象的存在，往往出现较多的错分、漏分现象，导致分类精度不高，如何实现图像分类识
2
别并满足一定的分类精度，是当前遥感图像研究中的一个关键问题也是研究的焦点。
2．遥感图像分类原理
遥感图像通过亮度值或像素值的高低差异及空间变化表示不同地物的差异，如不同类型
的植被、土壤、建筑物及水体等，这也是区分不同地物的理论依据。利用光谱特征（地物电
磁波辐射的多波段测量值）或纹理等空间结构特征，按照某种规则就能对地物在遥感图像上
的信息进行识别与分类。图像分类的目标就是通过对各类地物波谱特征的分析选择特征参
数，将特征空间划分为不相重叠的子空间，进而把影像内诸像元划分到各子空间去，从而实
3
现分类。
3．传统分类方法
遥感影像的计算机分类方法可分为两种：统计判决分类和句法模式识别。前者通过对研
究对象进行大量的统计分析抽出反映模式的本质特点、特征而进行识别。后者则需要了解
图像结构信息从而对其进行分类。传统的分类方法一般为统计判决分类如最大似然法、
K均值法等。近年来发展的分类新方法则多采用句法方法如专家系统法和决策树分类法等。
根据是否已知训练样本的分类数据，统计模式方法可分为监督分类、非监督分类。下面
将具体介绍监督分类、非监督分类以及其它分类（如模糊分类和人工神经网络分类）的典型
算法及其主要步骤。
31监督分类
监督分类是一种常用的精度较高的统计判决分类在已知类别的训练场地上提取各类训
练样本通过选择特征变量、确定判别函数或判别规则把图像中的各个像元点划归到各个给
4
定类。常用的监督分类方法有最小距离分类、平行六面体分类、最大似然分类等。主要步
骤包括：
（1）选择特征波段；
（2）选择训练区；
（3）选择或构造训练分类器；
（4对分r