文 献 综 述

一、引言

遥感是以电磁波与地球表面物质相互作用为基础, 探测、分析和研究地球资源与环境, 揭示地球表面各要素的空间分布特征与时空变化规律的一门科学技术。遥感技术满足连续、动态、宏观检测环境污染和生态变化的需求，尤其针对现阶段日益突出的环境污染和生态破坏问题，而土地利用和植被覆盖则被认为是环境变化的关键。

通过遥感影像识别各种地面目标是遥感技术发展的一个重要环节, 无论是专题信息提取、动态变化监测、专题制图, 还是遥感数据库建设等都离不开遥感影像分类技术。遥感影像分类实际上就是将图像中每个像元点或每块区域根据其在不同谱段的光谱特征、空间结构特征或其他信息, 按照某种规则划分为不同的类别^[1]。通过计算机自动分类，可以清晰的了解土地变化，植物覆盖等多方面的信息，进而可以对环境，土地利用，城市整体规划进行研究。计算机自动分类技术不仅能将人们从繁杂的目视解译的环节中解放出来，而且，它能最大程度地以一种客观、系统、透明的方式进行分类，具有重要的现实意义^[2-3]。

二、遥感数据的预处理

首先，对遥感影像进行几何校正，几何校正是利用畸变的遥感影像与控制点数据求得几何畸变模型，然后利用此模型进行几何校正。然后进行图像的融合，可以将低分辨率的多光谱影像与高分辨率的单波段影像重采样生成一副分辨率多光谱影像。接着对图像进行裁剪，将研究之外的区域去除。最后进行大气校正，遥感图像在获取过程中，受到如大气吸收与散射、传感器定标、地形等因素的影响，且它们会随时间的不同而有所差异。因此，在多时相遥感图像中，除了地物的变化会引起图像中辐射值的变化外，不变的地物在不同时相图像中的辐射值也会有差异，辐射校正是消除非地物变化所造成的图像辐射值改变的有效方法。

三、TM影像自动分类方法

遥感分类方法是遥感影像分类的重要内容,在地物信息的分类提取中，综合使用多种方法可以避免各种单一方法的局限性，提高分类提取的精度^[4]。随着遥感技术的发展, 传统的非参数分类方法已经难以满足分类精度需求, 基于智能算法的非参数分类方法得到了迅速发展, 并在遥感影像分类中发挥着重要作用。

最初的遥感影像分类是通过目视解译来实现的,尽管目视解译技术已经很成熟, 但是由于人工投入大、结果不确定性高、效率低、精度控制困难、解译经验要求高等缺点的存在, 使得目视解译技术不适合海量遥感数据处理, 计算机自动分类技术成为遥感技术与应用研究的重点。遥感影像分类是一个复杂的数据处理过程, 合适分类方法的选择是关系分类成功与否的关键因素。在过去的几十年里, 国内外的专家学者一直致力于研究分类技术与方法来提高遥感影像分类精度。最初发展了传统的非监督和监督分类技术,它们是根据是否需要先验知识来划分的。监督分类法是根据已知训练场地提供的样本，通过选择特征参数，建立判别函数，然后把图像中各个像元点归化到指定类中的分类方法，它的主要方法包括最大似然法，最小距离法等方法^[5]。而非监督分类法不需要先验知识，它直接根据像元间相似度的大小进行归类合并,常用的方法有ISODATA、K-mean等。而目前已有很多先进的分类算法被广泛地应用, 包括专家系统分类、神经网络、支持向量机、模糊分类等^[6]。

随着我国市场经济和城镇化的快速发展，应用遥感分类技术可以快速地提取与分析居民地信息，在居民地管理、生态环境动态监测和灾害评估起着重要作用。光学遥感分类根据地物表现的光谱特征，电磁波辐射的多波段的测量值确定。同类地物便显出相同的光谱特征，利用不同地物表现不同的光谱特征来区分地物信息。将不同的多波段信息进行组合处理，以更好反应地物信息光谱特征。李世华发现通过分析，发现通过TM3 TM4 TM5波段组合可以较好地提取居民地信息^[7], 颜梅春通过研究发现，TM影像中水体具有(TM2 TM3)gt;(TM4 TM5)，根据这个特征可以将水体与阴影区分出来^[8]，另外通过归一化差异水体指数（MNDWI）可以减弱土壤和建筑物的影响，从而对水体进行提取^[9]，但这些基于光谱的方法往往会混杂其他的地物信息，所以基于DEM栅格数据地形分析来提取水系在数字水文模型应用中有着不可替代的作用^[10]。

由于TM影像具较高空间分辨率、波谱分辨率和定位精度，成为20世纪80年代中后期得到世界各国广泛应用的重要的地球资源与环境遥感数据源。它能满足有关农、林、水、土、地质、地理、测绘、区域规划、环境监测等专题分析的要求。但是由于TM影像是中等分辨率影像，图像中常常会存在混合像元的问题，它不仅会影响地物识别和分类精度，也是遥感科学想定量化的主要障碍之一，刘正春提出采用集成光谱归一化与变组分光谱混合分析的方法，允许组分类型和数量随着像元的变化而变化，有效解决光谱异质性较高的城市区域混合像元问题^[11]。