王蕊，程海龙，黄如兵

1.山东交通学院 交通土建工程学院，山东 济南 250357； 2.中国水电八局有限公司，湖南 长沙 410004;3.中国重型汽车集团有限公司，山东 济南 250101

0 引言

近年来遥感技术发展非常迅速，应用越来越广泛，其在灾害监测、环境调查、土地利用情况监测等方面发挥着重要作用[1]。原始的土地分类方法(如求积仪法)具有比较高的出错率，精度较低，研究结果主要以纸质的形式体现，研究成果的更新和应用比较困难[2]。而遥感技术有即时、快速、精确、周期短等特点，已成为目前土地分类中高效的技术手段之一[3-6]。

目前基于遥感数据的土地资源分类方法较多，传统的遥感影像分类方法主要有非监督分类和监督分类2种。监督分类包括最小距离法[7]、平行管道法和最大似然法[8]等，非监督分类包括K-Means法和ISODATA法[9-10]。这几种分类法都是基于遥感图像中地物光谱特征的差异进行地物分类，并未考虑到遥感图像中地物的空间信息和几何信息，其地物分类结果精度较低[11-12]。Basrin[13]对多种监督分类法进行比较，并对这些分类法进行分析与评价。朱建华等[14]利用自适应最小距离法对泰吉河流域遥感图像进行分类，分类结果较好。

随着遥感技术的不断发展，从遥感图像中提取信息的方法不断变化，先后分别有目视判读、计算机解译、提取光谱特性、提取光谱与纹理结合特征等方法[15]。虽然遥感数据中有很多信息，但同时也可能存在信息间相互干扰的问题，从而增大分类识别的难度。……