26、监督分类技术全解析

监督分类技术全解析

1. 分类方法概述

在分类领域，存在多种不同的分类方法，主要可分为软分类方法和硬分类方法。软分类方法能够处理在空间上相互重叠的用户自定义类别，而硬分类方法则会在不同类别之间生成明确的边界。硬分类器为每个像素仅生成一个候选类别标签，软分类器则会生成多个标签，并且通常会按照正确的可能性进行排序。

有时候，一组传感器的数据可用于辅助分析任务，适用于多传感器或多源分析的分类方法也有其独特之处。相关技术在多年来有过许多名称，如模式识别、模式分类、学习机器和机器学习等。学习机器理论始于20世纪50年代末，旨在理解大脑功能并赋予机器一定的决策智能。

2. 监督分类的基本步骤

监督分类本质上是从传感器的测量空间到代表用户感兴趣的地物覆盖类型标签的映射。它依赖于有足够多已知类别标签的像素来训练分类器，“训练”指的是估计分类器识别和标记未知像素所需的参数。

在监督分类中，有两个重要的概念：光谱类别和信息类别。光谱类别是记录的图像数据自然聚类形成的类别，而信息类别是分析人员为适应特定应用而定义的标签。例如，在一个用于种植作物的地理区域的近红外与可见光红光谱空间中，数据形成了三个适度不同的聚类，分别对应作物（在壤土上）、壤土和砂土。不同用户可能对不同的类别组合感兴趣，这就体现了光谱类别和信息类别的区别。

进行监督分类时，无论选择哪种算法，通常都包含以下基本步骤：
1. 确定分割图像的地物覆盖类型类别 ：明确要将图像分割成哪些类别。
2. 选择每个类别的代表性像素 ：这些像素构成训练数据。可以通过实地考察、地图、航空照片甚至对数据形成的图像