2023年2月第1期城市勘测UrbanGeotechnicalInvestigation＆SurveyingFeb．2023No．1引文格式:武萌华．基于像素和面向对象的遥感影像分类方法比较［J］．城市勘测，2023(1):101－104．文章编号:1672－8262(2023)01－101－04中图分类号:TP751．1文献标识码:A基于像素和面向对象的遥感影像分类方法比较武萌华**收稿日期:2022—01—29作者简介:武萌华(1990—)，女，硕士，工程师，主要从事遥感影像处理等技术工作。E－mail:772992824@qq．com(重庆市勘测院，重庆401121)摘要:以GF2遥感影像为数据源，利用ENVI和eCognition软件分别采用最大似然分类、支持向量机分类、ISODATA分类、K均值分类、最近邻分类、决策树分类6种分类算法进行遥感影像分类，并对6种分类算法结果进行对比分析。结果表明:最近邻分类法的分类效果最佳，准确性最高。关键词:GF2遥感影像;分类;对比分析1引言遥感影像分类是遥感领域分析和应用的基础［1］。遥感图像分类的最终目的是将遥感图像分成多个区域(像素组)。分类有两个关键方面:分类精度和计算效率。近40年来，大量的遥感图像分类方法得到了研究，常用的遥感图像分类方法可分为两类:监督分类方法与非监督分类方法。一般来说，非监督分类方法不使用先验知识，只根据数据集本身的特点进行盲目分类，监督分类方法需要预先知道每个训练样本的类别标签，因此在大多数情况下，监督分类方法比非监督分类方法具有更好的分类效果。非监督分类算法包括K均值聚类算法［2］(张文君，等，2006)、模糊聚类算法［3，4］、随机森林理论［5］、迭代自组织数据分析算法(ISODATA)［6］等。监督分类算法包括最大似然、平行六面体、最小距离、神经网络、支持向量机等。传统的分类方法通常依赖每个像素的光谱信息，随着机载和星载传感器所采集的高空间分辨率遥感图像的增加，人们提出了面向对象分类技术，该方法不仅利用场景目标中的光谱信息，还利用其纹理和形状特征。面向对象分类方法的目的就是为了克服基于像素分类方法的相关困难，其通常包括两个独立的步骤:分割和分类。分割即在卫星影像中将不同的地理空间数据划分为同质区域(对象)，Hay等人(2003)利用面向对象的方法对影像进行分类［7］，并与传统基于像元的方法相比更有优势，Chen等人(2012)将面向对象方法与基于像元的方法相比［8］，得出对象是从它们的空间相关性和主题相似性中分割出来的，因此，该技术有望以高分类精度提取“真实场景”中的对象。本文通过使用监督分类(最大似然分类、支...
