马广迪 杨为琛

(浙江国遥地理信息技术有限公司, 浙江 湖州 313200)

0 引言

随着20世纪70年代自美国发射气象卫星,人们就开始进行卫星遥感图像的分类研究,但实质仍然是目视判读,在遥感图像分类方法上并没有突破。20世纪80年代主要是利用统计模式识别方法进行遥感图像的计算机分类。例如,神经网络算法用于遥感图像分类始于1988年,国外学者MURA.H提出了基于神经网络和知识发现的分类方法。除此之外,Vapnik提出的支撑向量机遥感影像特征提取技术是通过事先定义的非线性变换函数集的方法进行的。这些方法虽然都取得了较好的效果,但是部分学者并没有充分考虑影像的几何模型特征,往往根据方法和经验进行分类,分类结果只满足空间分辨率,不能达到高精度,在图像查全率和查准率上还存在欠缺。20世纪90年代至今,也不断涌现出大量的遥感图像分类方法,遥感数据获取技术也在向着高光谱分辨率、高空间分辨率、高时相分辨率的趋势发展,导致遥感图像数量呈指数级别疯长。据统计研究发现,美国航空航天局(National Aeronautics and Space Administration, NASA)地球观测系统每天需要接收约4 TB量级的遥感图像[1]。庞大的遥感图像数据为人们提供更多信息的同时,也为用户应用遥感图像数据提出了极大的挑战。反观国内,贾永红提出的基于Back Propagation神经网络的多源遥感影像分类方法是应用了动量法和学习率自适应的调整策略,提高了影像分类速度。刘志刚探讨了一种基于支撑向……