6.5 两种分类方法的比较 12

7 结论 13

参考文献 14

致谢 15

图清单

图序号 图名称 页码

图5-1 基于DEM数据的TM图像分类工作流程 7

图6-1 研究区的遥感数字影像 9

图6-2 无DEM数据参与分类的结果 10

图6-3 基于DEM数据参与分类的结果 10

图6-4 混淆矩阵的定义 11

表清单

表序号 表名称 页码

表6-1 无DEM数据参与分类的精度混淆矩阵 12

表6-2 基于DEM数据参与分类的精度混淆矩阵 12

1 绪论

1.1 选题的依据与意义

遥感影像计算机分类的常规方法是，采用统计学的方法，来对地物进行分类，按照的是，地物光谱响应特性中的点独立原则[1]；各个波段灰度数据的统计特征，是采用统计学方法的依据。一般情况下，遥感影像的像元都具有综合光谱的数据信息[2]，是由于常常受限于卫星图像的分辨率，由此在影像分类中，往往带来了错误分类的情况；尤其同物异谱，同谱异物的现象普遍存在，给地物的分类带来了困难。因此提升影像分类方法，将有助于提高地物识别的精度。本文正是通过引入DEM数据作为辅助信息，参与遥感影像分类，来比较两种方法的地物识别精度，从而得出结论：在地物高程差异明显的情况下，DEM数据参与遥感影像分类有助于提高遥感影像的分类精度。论文网

地物光谱的反射特征，常常受到起伏变化的地形影响[3]；往往出现的现象是，不同种类地物的光谱特征却出现一致的情况；另外的现象是，处在不同高程上的同种地物，却表现出有差异的的光谱特征。这两种现象的存在，最终影响了图像的分类精度。因此，在对遥感影像进行计算机分类时，加入高程，坡度，坡面等辅助信息[4]，对于提高图像分类的精度，有着突出的作用。

伴随着科学技术的发展，尤其是测绘技术，测量手段的迅猛发展，GIS地理信息系统技术的广泛普及， DEM数据越来越成为空间分析中重要的基础数据。

1.2 本文研究内容

本文的研究平台是ERDAS软件，首先提取地形数据，建立数字高程模型，即DEM数据，把DEM数据作为辅助信息参与分类。

（1）遥感图像分类的原理和过程 

（2）利用等高线生成格网DEM的过程

（3）遥感影像的分类方法

（4）高程数据参与遥感影像分类的原理

（5）比较两种分类方法的结果

通过比较两种分类结果的精度，认识到在地物高程差异明显时，以DEM数据为辅助信息，明显地提高了遥感影像的分类精度。

2 遥感图像分类的原理和过程

2.1 遥感图像分类的原理

遥感图像分类是指，把处在图像里的各个区域和像元，划分到许多种类别中的一个；即经过剖析各种类别地物的光谱特征后，对特征参数进行选择。用互不重合的子空间，来组成特征空间。而后，把影像中的每个像元，分别得区分到相对应的子空间去[5]，由此完成图像的分类。文献综述