应急遥感影像信息快速提取方法探讨

吴寿江 龚梅

摘要：經济和科技的飞速发展对现阶段各行各业都产生了较大的影响，尤其是遥感技术的产生发展对当今社会产生了巨大的作用。应急遥感影像信息处理机制是保障遥感技术能够顺利使用的重要方向，同样也是保障遥感技术应用性的有效方式。

关键词：应急遥感影像;信息快速提取;方法

现阶段较为主流的应急遥感影像信息快速提取方法分为两种：即非监督法和监督法，因此本文主要对上述两种应急遥感影像信息快速提取方法做系统的探究。

1.非监督分类简述

非监督分类指的是在无提前验证的情况下，只根据图像本身的统计特性和自然点群的分布来区分功能类别，完成后再次确认对象的分类属性，因此这一分类方式存在一定的盲目性。这种方法不需要选择各种各样的样品，一般只提供一定的阈值作为分类控制过程的因素，常用的有ISODATA、K-MEANS等方法。

ISODATA分类：

ISODATA是非监督分类的一种典型方法，该方法首先对遥感图像进行分类并从中得到大致的结果，然后根据一定的原则对样本进行类别间的重新组合，直到实现对合理的类别进行分类。

K-MEANS分类：

这一分类方式更多的是依据大数据空间的信息叠加量来实现，在接收到外部指令后，依据指令的范围在最短时间内对这一指令做出回复，回复的结果必然也是与指令最为接近的一个信息作为叠加空间。

2.监督分类简述

监督分类法用于基于用户定义的训练样本类别聚合数据集中的像素，实施分类时，可以选择ROI训练样本“训练”计算机对未知区域的像素进行处理和分类的能力，尽量避免不相同类别中的叠加效果。最后将分类结果分为已知类别，实现有效分类的效果。也正因此，监督分类应包含两个步骤：首先应基于监督分类具体内容选择合适ROI，其次制定合适的监督分类方法。

2.1平行六面体分类

平行六面体分类法是通过设定各轴上一系列的分割点，将多维特征分类成与各自不同分类对应的不相互重叠的特征子空间的分类方法。以简单的判定比例分类多频谱数据，边界在图像数据空间中形成N维平行六面体，平行六面体的维度是由来自每个选定类别的平均值标准偏差决定的。如果多个类别都存在差值，则被分类为最后的匹配类别;如果不在已知类别中，则属于未知类型。通过这个方法，在所有的像差分类完成之前，都被分类为所有种类。

2.2最小距离分类

最小距离分类也是一种较为典型的监督分类的方法，其应用思路如下：

①训练计算机的数据分析能力，降低各个数据之间差值。

②均值向量可作为特征空间中心的主要位置，计算机图像基于像素中心位置展开分布，在既定范围内进行比较，两者之间位置越近，成像能力越强，图像相似性也就越高。

2.3最大似然分类

最大似然分类是在假设每个频带的每个类别统计量均为正态分布的情况下，计算既定像素属于某一类的一种分类方法。最大似然分类是一种非常稳定的分类方式，除非选择一个似然阈值，否则将对所有像素进行分类，每个像素将以最高的可能性被合并到方法中。

2.4马氏距离分类

这一分类方式与最大似然分类非常相似，都是使用各个类别多向统计信息的一种方式。但是这一分类方式中各个类别之间的差值都是相等的，也就是说对于指令的反应速度相似，因此可以实现较强对指令的快速反应。但如果用户在发出指令后限定了某一反应距离和反应速度，则会导致这一像素不能在值域内进行反应，也就是说这一值域将会划分为无类别状态;如果像素内的各种值域都可实现被反应，则会将所有的像素单位统一汇集在距离最近的类别中。

2.5支持向量机分类

支持向量机是这一种基于科学统计理论建立起来的分类学习方法，正是基于这一统计学优势，这种分类机制才可适用于小样本的计量问题，并且这一问题在很大程度上也解决了传统统计学方法中非线性和局限小的问题。这一分类方式优势非常明显，首先表现为参数非常容易设置，其次他能够实现从所有已知范围中找到最为合适的一个结果。因此，将SVM应用到高空间分辨率的遥感影像图中进行分类会能够取得不错的效果。

2.6 BP神经网络分类

神经元网络分类在实施监督时首先应基于标准反向技术（back propagation），用户可基于实际探讨结果展开分类。

结语：

综上所述，基于上述探究结果不难发现，现阶段较为典型的分类方法中，非监督分类法所得出的结果普遍精度较低，而监督分类法所阐释的几种方式所得到的结果准确度相对较高。除去平行六面体外其他几个测算结果准确度都可达到60%以上。甚至部分方法测算精度可达80%以上。但是不可否认，两者之间虽有优劣，但是整体结果显示并不是非常完善，也就是说现有的技术并不是遥感信息处理方式的终点，而是新的起点，未来科技发展仍需对现有的技术进行调整和升级，实现遥感技术新的发展，以提升遥感技术对人们有效的帮助。

参考文献

[1]刘嘉，廖小露.应急遥感影像信息快速提取方法探讨[J].航天返回与遥感，2019，40（01）：93-101.

[2]孙家波，张晓艳，牛鲁燕，刘延忠，刘炳福，张维战.基于高分辨率遥感影像的耕地信息快速提取方法研究[J].山东农业科学，2018，50（03）：132-136+141.

[3]闫琦.基于高分辨率遥感影像的典型地震次生地质灾害快速智能提取研究[D].中国科学院大学（中国科学院遥感与数字地球研究所），2017.

[4]金宝石，周葆华，黄大鹏.基于ArcScan的遥感影像中水域信息快速提取方法[J].合肥工业大学学报（自然科学版），2008（11）：1744-1747.