文 献 综 述

1.1论文研究背景

遥感是20世纪年代发展起来的对地观测综合性技术。通过此技术我们可以实现获取目标的信息和特征，并且对此通过传输与记录进行处理和应用。遥感(Remote sensing)它是一种远离目标,通过非直接接触而判定、测量并分析目标性质的技术。通常人们所说的遥感是从不同高度的平台上,使用各种传感器,接收来自地球表面的各种信息,从而对地物及其特性进行探测和识别的综合技术。遥感技术广泛渗入各地区和各业务部门,应用研究涉及的领域广、类型多,既有专题性的,也有综合性的,包括农业生产条件研究、作物估产、国土资源调查、土地利用与土地覆盖、海洋、环境监测、军事侦察等方面都有着越来越广泛的应用。目前遥感图像分类方法繁多而且种类杂乱,从不同的角度有不同的分类方法,最常见的监督和非监督分类是根据是否需要分类人员事先提供已知类别及其训练样本对计算机分类器进行训练和监督来划分。参数分类和非参数分类是根据是否需要假定类的概率分布函数并估计其分布参数来划分。而硬分类和软分类是根据一个像元被分到一个类还是多个类来划分。此外,国内外还新出现了很多分类方法有人工神经网络分类法(如Neural Network)、模糊分类法、支撑向量机分类法(Support vector Machine)、决策树分类法(Decision tree classification)以及亚像元分类法(Sub-pixel-

Classification)。每种方法都有其自身的特点,但也不可避免的有一些缺陷,鉴于这种现状,本文将对LUCC研究中土地利用/土地覆盖遥感分类技术进行综述,详细阐述了不同类型遥感数据的性质及应用范围,并在综合比较分析研究当前主要的遥感图像分类方法基础上,对一般的统计分类方法、针对实际情况的分类方法及其它较新的分类方法进行了论述。

总之,遥感图像分类是模式识别领域一个比较复杂的问题,遥感影像的监督分类和非监督分类方法,是影像分类的最基本、最概括的两种方法。传统的监督分类和非监督分类方法虽然各有优势,但是也都存在一定的不足。而新的分类方法如神经网络以其自适应、自学习、联想记忆和分布存储等良好特性,被人们加以重视和广泛应用于图像分类中,打破了传统的统计分类方法的局限,提高了分类速度和精度。虽然各种分类方法各有特点,但在实际工作中还需要综合应用多种分类方法,以提高分类的准确率与精度。

1.2 论文研究目的和意义

遥感影像，特别是中高分辨率的卫星遥感影像的发展，使遥感影像的深入应用成为可能。但如果自动或半自动处理，解译海量的遥感影像数据是整个社会的信息化过程中面临的重要问题。在提取遥感影像的过程中，进行遥感影像分类是很关键的一环。随着空间技术的发展，各种资源环境监测卫星的发射与运行行为地表动态变化研究提供了多平台，多光谱，大范围的实时信息，遥感技术已成为当前人类研究地球资源环境的一种有力技术手段，在遥感技术的研究中，通过遥感影像判读识别各种目标是遥感技术的一种重要环节，无论是专业信息提取，动态变化预测，还是专题地图制作和遥感数据库的建立等都离不开分类，对照地面地物类型，是可以从影像上进行分类的识别。随着计算机技术的飞速发展，计算机识别分类成了遥感技术应用的一个重要组成部分。计算机识别分类（即模式识别）就是利用计算机对传感器所收集的遥感信息进行处理，运算，最终分出类别。遥感技术的改进促使遥感专题信息的提取方法也在不断的改进，经历了目视解译，自动分类，光谱特性的信息提取及光谱与空间特征的专题信息提取等多个手段。

影像数据类别多，含糊度大，如何解决多类别分类识别并满足一定的分类精度和较高的分类速度，是当前遥感影像研究中的一个关键问题，也是人们关注的检点。

有效的保护和合理开发利用上地资源,是我们国家前面临的最严峻的资源环境问题之一。为了对土地的利用状况进行监督和指导,国家正式启动利用遥感影像进行土地利用动态监测项目。按照国家土地资源管理和LUCC研究的要求,综合土地资源的自然属性和社会经济属性,结合已有的土地利用与土地覆被数据,目前和未来可获取的数据资源以及我国己存在的有关土地利用和覆被分类体系,研制我国国家尺度的土地利用和覆被分类系统,建立与已有主要分类系统的对应关系。并且建立典型区多时相遥感影像数据库,完成典型区多时相遥感影像土地利用和土地覆被分类,形成多时相多尺度遥感影像数据库建立方法和遥感影像分类方法。土地利用/土地覆盖的分类是遥感数据在土地资源分析及应用的第一步,如何解决多类别图像的识别并满足一定的精度,是遥感图像研究中的一个关键问题,具有十分重要的意义。

1.3 目前研究现状