應急遙感影像信息快速提取方法探討

吳壽江 龔梅

摘要：經濟和科技的飛速發展對現階段各行各業都產生了較大的影響，尤其是遙感技術的產生發展對當今社會產生了巨大的作用。應急遙感影像信息處理機制是保障遙感技術能夠順利使用的重要方向，同樣也是保障遙感技術應用性的有效方式。

關鍵詞：應急遙感影像;信息快速提取;方法

現階段較為主流的應急遙感影像信息快速提取方法分為兩種：即非監督法和監督法，因此本文主要對上述兩種應急遙感影像信息快速提取方法做系統的探究。

1.非監督分類簡述

非監督分類指的是在無提前驗證的情況下，只根據圖像本身的統計特性和自然點群的分布來區分功能類別，完成后再次確認對象的分類屬性，因此這一分類方式存在一定的盲目性。這種方法不需要選擇各種各樣的樣品，一般只提供一定的閾值作為分類控制過程的因素，常用的有ISODATA、K-MEANS等方法。

ISODATA分類：

ISODATA是非監督分類的一種典型方法，該方法首先對遙感圖像進行分類并從中得到大致的結果，然后根據一定的原則對樣本進行類別間的重新組合，直到實現對合理的類別進行分類。

K-MEANS分類：

這一分類方式更多的是依據大數據空間的信息疊加量來實現，在接收到外部指令后，依據指令的范圍在最短時間內對這一指令做出回復，回復的結果必然也是與指令最為接近的一個信息作為疊加空間。

2.監督分類簡述

監督分類法用于基于用戶定義的訓練樣本類別聚合數據集中的像素，實施分類時，可以選擇ROI訓練樣本“訓練”計算機對未知區域的像素進行處理和分類的能力，盡量避免不相同類別中的疊加效果。最后將分類結果分為已知類別，實現有效分類的效果。也正因此，監督分類應包含兩個步驟：首先應基于監督分類具體內容選擇合適ROI，其次制定合適的監督分類方法。

2.1平行六面體分類

平行六面體分類法是通過設定各軸上一系列的分割點，將多維特征分類成與各自不同分類對應的不相互重疊的特征子空間的分類方法。以簡單的判定比例分類多頻譜數據，邊界在圖像數據空間中形成N維平行六面體，平行六面體的維度是由來自每個選定類別的平均值標準偏差決定的。如果多個類別都存在差值，則被分類為最后的匹配類別;如果不在已知類別中，則屬于未知類型。通過這個方法，在所有的像差分類完成之前，都被分類為所有種類。

2.2最小距離分類

最小距離分類也是一種較為典型的監督分類的方法，其應用思路如下：

①訓練計算機的數據分析能力，降低各個數據之間差值。

②均值向量可作為特征空間中心的主要位置，計算機圖像基于像素中心位置展開分布，在既定范圍內進行比較，兩者之間位置越近，成像能力越強，圖像相似性也就越高。

2.3最大似然分類

最大似然分類是在假設每個頻帶的每個類別統計量均為正態分布的情況下，計算既定像素屬于某一類的一種分類方法。最大似然分類是一種非常穩定的分類方式，除非選擇一個似然閾值，否則將對所有像素進行分類，每個像素將以最高的可能性被合并到方法中。

2.4馬氏距離分類

這一分類方式與最大似然分類非常相似，都是使用各個類別多向統計信息的一種方式。但是這一分類方式中各個類別之間的差值都是相等的，也就是說對于指令的反應速度相似，因此可以實現較強對指令的快速反應。但如果用戶在發出指令后限定了某一反應距離和反應速度，則會導致這一像素不能在值域內進行反應，也就是說這一值域將會劃分為無類別狀態;如果像素內的各種值域都可實現被反應，則會將所有的像素單位統一匯集在距離最近的類別中。

2.5支持向量機分類

支持向量機是這一種基于科學統計理論建立起來的分類學習方法，正是基于這一統計學優勢，這種分類機制才可適用于小樣本的計量問題，并且這一問題在很大程度上也解決了傳統統計學方法中非線性和局限小的問題。這一分類方式優勢非常明顯，首先表現為參數非常容易設置，其次他能夠實現從所有已知范圍中找到最為合適的一個結果。因此，將SVM應用到高空間分辨率的遙感影像圖中進行分類會能夠取得不錯的效果。

2.6 BP神經網絡分類

神經元網絡分類在實施監督時首先應基于標準反向技術（back propagation），用戶可基于實際探討結果展開分類。

結語：

綜上所述，基于上述探究結果不難發現，現階段較為典型的分類方法中，非監督分類法所得出的結果普遍精度較低，而監督分類法所闡釋的幾種方式所得到的結果準確度相對較高。除去平行六面體外其他幾個測算結果準確度都可達到60%以上。甚至部分方法測算精度可達80%以上。但是不可否認，兩者之間雖有優劣，但是整體結果顯示并不是非常完善，也就是說現有的技術并不是遙感信息處理方式的終點，而是新的起點，未來科技發展仍需對現有的技術進行調整和升級，實現遙感技術新的發展，以提升遙感技術對人們有效的幫助。

參考文獻

[1]劉嘉，廖小露.應急遙感影像信息快速提取方法探討[J].航天返回與遙感，2019，40（01）：93-101.

[2]孫家波，張曉艷，牛魯燕，劉延忠，劉炳福，張維戰.基于高分辨率遙感影像的耕地信息快速提取方法研究[J].山東農業科學，2018，50（03）：132-136+141.

[3]閆琦.基于高分辨率遙感影像的典型地震次生地質災害快速智能提取研究[D].中國科學院大學（中國科學院遙感與數字地球研究所），2017.

[4]金寶石，周葆華，黃大鵬.基于ArcScan的遙感影像中水域信息快速提取方法[J].合肥工業大學學報（自然科學版），2008（11）：1744-1747.