文 献 综 述 1.1选题背景 近年来，随航空遥感技术的发展,高分辨率遥感影像在土地利用分类工作中被广泛使用.国内主要的高分辨率影像来源于航空摄影和商业的卫星遥感。

遥感技术以其高效、经济、大范围同步的特点，已经成为资源环境监测重要技术手段,并逐渐在全球范围内得到广泛的应用。

遥感作为一种观测和分析世界的科学手段，主要任务是观察和分析物质世界(大气、水、土壤、植被等)及作用过程(环境变化)的信息。

在上述信息的获取和应用中，遥感数据分类技术起到了关键的作用。

高分辨率遥感影像的特点是:具有很高的空间分辨率(像素空间分辨率小于5m像素宽度),多光谱的波段主要为红，绿，兰波段，近红外波段和远红外波段。

遥感数据分类主要是根据地物类型在遥感影像数据中表现出的光谱、纹理和空间特征不同，而进行地物类型归属和识别的，目前有两种主要途径，分别是人机交互解译和计算机分类。

其中计算机分类具有高效、客观的优点，是大规模、重复性遥感数据分类的最有效方法。

计算机遥感影像分类是机器学习技术在遥感领域中的具体应用，其实质是研究如何应用已知的训练样本来学习-一个分类器，使其在已知的影像分类中取得最优的效果。

其中本文将重点介绍面向对象分类方法与传统监督分类方法，面向对象的分类技术是根据影像空间、纹理、光谱信息,将影像按照某种尺度分割为一个个像素集合对象。

每一个对象具有相似的光谱特征,它不再是以单个像素为处理单元，而是将像素集合对象作为处理单元，依据不同地物对象的光谱、纹理、结构特性，通过监督分类、非监督分类或建立各地物类别的分类规则知识库进行分类。