【摘要】：城市遥感影像监督分类方法是根据类别训练区域提供的样本，通过选择特征参数，让分类器学习，待其掌握了各类别的特征之后，按照分类决策规则对待分像元进行分类的方法。本节以最大似然法分类为例，说明其分类流程。最大似然法是一种应用非常广泛的监督分类方法，分类中所采用的判别函数是每个像素值属于每一类别的概率或可能性。基于最大似然法的分类算法流程图参见图10-3。
城市遥感影像监督分类方法是根据类别训练区域提供的样本，通过选择特征参数，让分类器学习，待其掌握了各类别的特征之后，按照分类决策规则对待分像元进行分类的方法(赵英时，2003；朱述龙等，2000；Li et al.，2010；He et al.，2017)。常用方法包括最小距离法分类、最大似然法分类和马氏距离法分类法，支撑向量机(杜培军等，2012；Huang et al.，2002)等。本节以最大似然法分类(陈亮等，2007)为例，说明其分类流程。
最大似然法是一种应用非常广泛的监督分类方法，分类中所采用的判别函数是每个像素值属于每一类别的概率或可能性。光学遥感影像通常假定波谱特征符合正态分布，即其概率密度函数如式(10-4)所示:
于是，K维类ωi的最大似然决策函数为式(10-5):
式中，mi指类ωi的均值向量；Ci指类的协方差矩阵。由此
对于任何一个像元值，其在哪一类中的Di(f)最大，就属于哪一类。(https://www.xing528.com)
基于最大似然法的分类算法流程图参见图10-3。
图10-3 最大似然算法数据流程图
当选择的拒绝类阈值为0时，最大似然分类算法的分类效果如图10-4所示。
图10-4 最大似然分类算法效果
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
