基于多时相影像的农业作物非参数与概率分类(英文)

本文提出了一种新的结合多光谱和变化检测技术的多时相卫星数据集分类方法。该方法以数理统计中的最近邻法为基础,其目标函数是使得正确分类的平均概率得到最优化,即把每个分类类别看成同等重要。该新算法被应用于一个农业作物分类的研究区域,并利用覆盖该区的不同季节的SPOT和LANDSAT TM多时像影像。结果表明,与单时像影像相比,使用五个不同季节的多时像影像可以充分地提高分类精度。为了说明该方法在大尺度范围内的效果,本文选取瑞典道拉河流域作为研究区。由于不同地物的分布高度重叠,不可能得到像元水平上满意的分类精度。这就需要引进一种新的概念:像元概率分类法。基于像元的概率向量可用于判别传统分类法的可靠性并测量单个像元的不确定性(熵)。概率分类法同时提供了不同地物的面积的无偏估计,无论所感兴趣的区域的大小。这已经在不同特性的耕地试验点进行了检验。