遥感影像图像处理流程
遥感影像镶嵌的基本流程
遥感影像镶嵌的基本流程下载温馨提示:该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by theeditor. I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!遥感影像镶嵌基本流程：1. 影像预处理。
影像获取和选择。
几何纠正。
遥感数据处理的基本步骤与技巧
遥感数据处理的基本步骤与技巧遥感技术作为一种获取地球表面信息的重要手段，被广泛应用于农林牧渔、城市规划、环境监测等领域。
而遥感数据的处理和分析则是有效利用遥感信息的关键环节。
本文将介绍遥感数据处理的基本步骤与技巧，以帮助读者更好地应用遥感数据。
一、数据获取遥感数据的获取是遥感数据处理的第一步。
常用的遥感数据包括航空影像、卫星影像和激光雷达数据。
在选择遥感数据时，需根据具体的研究目标和需求，选择适合的数据类型和分辨率。
而对于不同类型的遥感数据，其获取的方法也有所不同。
例如，航空影像可以通过航拍或无人机获取，卫星影像可以通过遥感卫星获取。
二、数据预处理数据预处理是遥感数据处理的重要环节。
通过对遥感数据进行校正和增强，可以提高数据的质量和可用性。
常见的数据预处理步骤包括辐射校正、大气校正、几何纠正和镶嵌拼接。
辐射校正是将原始遥感数据转化为能量辐射亮度值，大气校正是去除大气散射和吸收的影响，几何纠正是将图像投影到地面坐标系，镶嵌拼接是将多个遥感图像拼接成一个完整的图像。
三、特征提取特征提取是遥感数据处理的关键环节之一。
通过对遥感图像中的特征进行提取和分类，可以获取地表覆盖类型、土地利用状况等信息。
常用的特征提取方法包括阈值分割、数学形态学、边缘检测和纹理分析等。
例如，通过采用基于阈值分割和数学形态学的方法，可以将遥感图像中的建筑物和道路等目标进行提取和分类。
四、数据分析数据分析是利用遥感数据进行研究和应用的重要环节。
通过对遥感数据的统计分析、模型建立和空间分析，可以揭示地表变化、环境演变等规律。
常用的数据分析方法包括主成分分析、分类与回归树、遥感时序分析和地形分析等。
例如，通过主成分分析方法，可以从遥感图像中提取出主要的波段特征，进而分析地表覆盖类型的空间分布和变化趋势。
五、结果验证结果验证是遥感数据处理的最后一步，也是决定数据处理结果可靠性的关键环节。
通过与实地调查和已有数据的对比，可以评估遥感数据处理的准确性和可信度。
遥感卫星影像数据处理步骤
北京揽宇方圆信息技术有限公司遥感卫星影像处理是遥感应用的第一步，也是非常重要的一步。
目前的技术也非常成熟，大多数的商业化软件都具备这方面的功能。
预处理的流程在各个行业、不同数据中有点差异，而且注重点也各有不同。
(一)几何精校正与影像配准引起影像几何变形一般分为两大类:系统性和非系统性。
系统性一般有传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正;非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。
(二)影像融合将低分辨率的多光谱影像与高分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的影像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征。
(三)影像镶嵌与裁剪(1)镶嵌当研究区超出单幅遥感影像所覆盖的范围时，通常需要将两幅或多幅影像拼接起来形成一幅或一系列覆盖全区的较大的影像。
在进行影像的镶嵌时，需要确定一幅参考影像，参考影像将作为输出镶嵌影像的基准，决定镶嵌影像的对比度匹配、以及输出影像的像元大小和数据类型等。
镶嵌得两幅或多幅影像选择相同或相近的成像时间，使得影像的色调保持一致。
但接边色调相差太大时，可以利用直方图均衡、色彩平滑等使得接边尽量一致，但用于变化信息提取时，相邻影像的色调不允许平滑，避免信息变异。
(2)裁剪影像裁剪的目的是将研究之外的区域去除，常用的是按照行政区划边界或自然区划边界进行影像的分幅裁剪。
(四)大气校正遥感影像在获取过程中，受到如大气吸收与散射、传感器定标、地形等因素的影响，且它们会随时间的不同而有所差异。
因此，在多时相遥感影像中，除了地物的变化会引起影像中辐射值的变化外，不变的地物在不同时相影像中的辐射值也会有差异。
利用多时相遥感影像的光谱信息来检测地物变化状况的动态监测，其重要前提是要消除不变地物的辐射值差异。
辐射校正是消除非地物变化所造成的影像辐射值改变的有效方法，按照校正后的结果可以分为2种，绝对辐射校正方法和相对辐射校正方法。
遥感图像处理
遥感图像处理1. 简介遥感图像处理是指利用遥感技术获取的卫星或无人机等遥感图像数据进行处理和分析的过程。
遥感图像处理可以应用于多个领域，包括地理信息系统（GIS）、环境监测、农业、城市规划等。
本文将介绍遥感图像处理的基本概念、常用方法和应用案例。
2. 遥感图像处理的基本概念遥感图像处理涉及多个概念和技术，以下是一些常用的基本概念：2.1 遥感图像遥感图像是通过遥感设备获取的图像数据，可以是卫星图像、航空摄影图像或无人机图像等。
遥感图像通常包含多个波段，每个波段代表不同的光谱信息。
2.2 遥感图像预处理遥感图像预处理是指对原始遥感图像数据进行校正、矫正和增强的过程。
预处理的目的是提高图像质量、减少噪声和伪影，并使得图像更适合进行后续处理和分析。
2.3 遥感图像分类遥感图像分类是指将遥感图像根据像素的特征或属性进行划分和分类的过程。
常见的遥感图像分类方法包括基于统计学的分类、基于机器学习的分类和基于深度学习的分类。
2.4 遥感图像变化检测遥感图像变化检测是指对多个时间点的遥感图像进行比较，以检测地物、景观或环境发生的变化。
遥感图像变化检测可以用于监测自然灾害、环境变化等。
2.5 遥感图像分析遥感图像分析是指对遥感图像进行解译和分析，提取图像中的有用信息和特征。
遥感图像分析可以用于土地利用/覆盖分类、植被指数计算等应用。
3. 遥感图像处理的常用方法遥感图像处理常用的方法包括图像增强、图像配准、图像融合和目标检测等。
3.1 图像增强图像增强是指通过对图像进行滤波、对比度拉伸、直方图均衡化等处理，以增强图像的可视化效果和信息提取能力。
常用的图像增强方法包括直方图均衡化、滤波（如中值滤波、高斯滤波）和锐化等。
3.2 图像配准图像配准是指将两幅或多幅遥感图像在坐标系、旋转、尺度和形变等方面进行校正和匹配的过程。
常用的图像配准方法包括特征点匹配、地物匹配和基于控制点的配准方法。
3.3 图像融合图像融合是指将多幅具有不同光谱或分辨率的遥感图像融合成一幅多光谱和高分辨率的遥感图像。
遥感图像处理的基本流程与技巧
遥感图像处理的基本流程与技巧近年来，随着遥感技术的快速发展，遥感图像处理在各个领域的应用越来越广泛。
遥感图像处理的基本流程和技巧对于正确解读和使用遥感图像至关重要。
本文将探讨遥感图像处理的基本流程与技巧，帮助读者更好地理解和应用这一工具。
一、遥感图像处理的基本流程1. 图像获取与预处理遥感图像处理的第一步是获取图像数据。
常见的获取方式包括卫星、飞机、无人机等。
在获取到图像数据后，还需要进行预处理，包括辐射校正、大气校正、几何校正等，以保证图像的质量和精度。
2. 影像增强影像增强是提高图像质量，使图像更能被人眼感知和解读的过程。
常见的影像增强技术包括直方图均衡化、滤波、图像融合等。
通过适当的增强技术，可以突出图像中的特定目标或信息，提高图像的可读性和解读性。
3. 特征提取与分类特征提取是从图像中提取有意义的信息或特征的过程。
常见的特征包括颜色、纹理、形状等。
在特征提取的基础上，可以进行图像分类，将图像中的不同对象或地物进行分类和识别。
常用的分类方法包括支持向量机、人工神经网络等。
4. 图像分割与目标提取图像分割是将图像划分成若干个具有独立特征的区域的过程。
图像分割既可以基于像素级的颜色和灰度信息，也可以基于纹理和形状等更高级的特征。
通过图像分割，可以提取出感兴趣的目标或地物。
5. 变化检测与监测变化检测是利用多期遥感图像对地物、景观进行比较和分析，以检测和监测地表非凡的变化信息。
变化检测可以应用于城市规划、环境监测等方面。
常见的变化检测方法包括面向对象的变化检测、像素级变化检测等。
二、遥感图像处理的技巧1. 选择合适的图像处理软件选择一款功能强大且适合自己需要的图像处理软件至关重要。
常见的遥感图像处理软件有ENVI、ERDAS、ArcGIS等。
不同的软件具有不同的工具和功能，选择合适的软件可以提高工作效率和图像处理效果。
2. 多源数据融合多源数据融合是将多个遥感图像融合成一幅图像的过程。
通过融合不同传感器或不同时间的图像，可以提高图像质量和信息量。
遥感影像处理步骤
一．预处理1．降噪处理由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。
（1）除周期性噪声和尖锐性噪声周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。
它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。
一般可以用带通或者槽形滤波的方法来消除。
消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。
（2）除坏线和条带去除遥感图像中的坏线。
遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。
一般采用傅里叶变换和低通滤波进行消除或减弱。
2．薄云处理由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。
3．阴影处理由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。
二．几何纠正通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。
特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。
1．图像配准为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。
（1）影像对栅格图像的配准将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。
（2）影像对矢量图形的配准将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。
2．几何粗纠正这种校正是针对引起几何畸变的原因进行的，地面接收站在提供给用户资料前，已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进行了校正.3．几何精纠正为准确对遥感数据进行地理定位，需要将遥感数据准确定位到特定的地理坐标系的，这个过程称为几何精纠正。
遥感图像处理ppt课件
02
人工智能在遥感图像处理中可以应用 于地物分类、目标检测、变化检测等 方面。通过训练人工智能算法，使其 能够自动识别和分类地物，提高遥感 数据的利用价值和精度。同时，人工 智能算法还可以对遥感数据进行自动 化分析和处理，提高数据处理效率。
03
人工智能在遥感图像处理中需要解决 的关键问题包括数据标注、模型训练 和优化等。同时，还需要考虑人工智 能算法的可解释性和可靠性，以确保 其在实际应用中的效果和安全性。随 着技术的不断发展，人工智能在遥感 图像处理中的应用将进一步提高遥感 数据的利用价值和精度。
详细描述
遥感图像存储与处理是遥感技术应用的核心环节之一。 在这个过程中，原始数据会经过一系列的预处理、增强 和分类等操作，以提高图像质量和提取更多有用的信息 。例如，辐射定标、大气校正、几何校正等预处理操作 可以提高图像的精度和可靠性；图像增强技术如对比度 拉伸、滤波等可以提高图像的可视化效果和特征提取能 力；分类和目标检测等技术则可以对图像进行语义化表 达和信息提取，以满足不同应用的需求。
遥感图像处理涉及的技术包括辐 射校正、几何校正、图像增强、 信息提取等。
遥感图像处理的重要性
遥感图像处理是遥感技术应用的关键 环节，能够提高遥感数据的精度和可 靠性，为各领域提供更准确、更全面 的信息。
通过遥感图像处理，可以提取出更多 有用的信息，为决策提供科学依据， 促进各行业的智能化发展。
遥感图像处理的应用领域
图像预处理技术
01
02
03
04
去噪
消除图像中的噪声，提高图像 的清晰度。
校正
纠正图像的几何畸变和辐射畸 变，使图像更接近真实场景。
配准
将不同来源的图像进行坐标对 齐，以便于后续的图像分析和
61-实验三遥感图像预处理（波段合成、裁剪与拼接）
实验三遥感图像预处理（波段合成、裁剪与拼接）一、 实验目的通过实验了解整个图像的预处理过程，从而加深对遥感图像计算机处理的内容及概念的理解。
二、 实验内容1.自定义坐标系2.波段合成（图像融合）3.图像镶嵌（图像拼接）4.图像裁剪三、 实验数据1. TM-30m.img2. bldr_sp.img3. Mosaic1.img4. Mosaic2.img5. bhtmsat.img6. can_tmr.img7. qb_boulder_msi.img8. qb_boulder_pan.img四、 实验操作原理及步骤遥感图像预处理主要包括图像几何校正、图像融合、图像镶嵌、图像裁剪等过程，其处理顺序一般如下图所示。
图 1一般图像预处理流程1.自定义坐标系一般国外商业软件坐标系都分为标准坐标系和自定义坐标系两种。
我国情况较为特殊，往往需要自定义坐标系。
所以，在ENVI第一次使用时，需要对系统自定义北京54坐标系西安80坐标系。
1.1添加参考椭球体找到ENVI系统自定义坐标文件夹—C:\Program Files\ITT\IDL708\products\envi46\map_proj。
根据每台电脑安装的路径以及版本不同而略有不同。
以记事本形式打开ellipse.txt，将“Krasovsky,6378245.0,6356863.0”和“IAG-75,6378140.0,6356755.3”加入文本末端。
（这里主要是为了修改克拉索夫斯基因音译而产生的错误，以便让其他软件识别；另外中间的逗号必须是英文半角。
）1.2添加基准面以记事本格式打开datum.txt，将“Beijing-54, Krasovsky, -12, -113, -41”和“Xi'an-80,IAG-75,0,0,0”加入文本末端。
1.3定义坐标定义完椭球参数和基准面后就可以在ENVI中以我们定义的投影参数新建一个投影信息（Customize Map Projections），在编辑栏里分别定义投影类型、投影基准面、中央子午线、缩放系数等，最后添加为新的投影信息并保存。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
遥感影像图像处理(processing of remote sensing image data)是对遥感图像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理等一系列操作，以求达到预期目的的技术。
一．预处理
1．降噪处理
由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。
（1）除周期性噪声和尖锐性噪声
周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。
它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。
一般可以用带通或者槽形滤波的方法来消除。
消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。
（2）除坏线和条带
去除遥感图像中的坏线。
遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。
一般采用傅里叶变换和低通滤波进行消除或减弱。
2．薄云处理
由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。
3．阴影处理
由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。
二．几何纠正
通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。
特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。
1．图像配准
为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。
（1）影像对栅格图像的配准
将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。
（2）影像对矢量图形的配准
将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。
2．几何粗纠正
这种校正是针对引起几何畸变的原因进行的，地面接收站在提供给用户资料前，已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进行了校正.
3．几何精纠正
为准确对遥感数据进行地理定位，需要将遥感数据准确定位到特定的地理坐标系的，这个过程称为几何精纠正。
（1）图像对图像的纠正
利用已有准确地理坐标和投影信息的遥感影像，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。
（2）图像对地图（栅格或矢量）
利用已有准确地理坐标和投影信息的扫描地形图或矢量地形图，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。
（3）图像对已知坐标点（地面控制点）
利用已有准确地理坐标和投影信息的已知坐标点或地面控制点，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。
4．正射纠正
利用已有地理参考数据（影像、地形图和控制点等）和数字高程模型数据（DEM、GDEM），对原始遥感影像进行纠正，可消除或减弱地形起伏带来的影像变形，使得遥感影像具有准确的地面坐标和投影信息。
三．图像增强
为使遥感图像所包含的地物信息可读性更强，感兴趣目标更突出，需要对遥感图像进行增强处理。
1．彩色合成
为了充分利用色彩在遥感图像判读和信息提取中的优势，常常利用彩色合成的方法对多光谱图像进行处理，以得到彩色图像。
彩色图像可以分为真彩色图像和假彩色图像。
2．直方图变换
统计每幅图像的各亮度的像元数而得到的随机分布图，即为该幅图像的直方图。
一般来说，包含大量像元的图像，像元的亮度随机分布应是正态分布。
直方图为非正态分布，说明图像的亮度分布偏亮、偏暗或亮度过于集中，图像的对比度小，需要调整该直方图到正态分布，以改善图像的质量。
3．密度分割
将灰度图像按照像元的灰度值进行分级，再分级赋以不同的颜色，使原有灰度图像变成伪彩色图像，达到图像增强的目的。
4．灰度颠倒
灰度颠倒是将图像的灰度范围先拉伸到显示设备的动态范围(如0～255)到饱和状态，然后再进行颠倒，使正像和负像互换。
5．图像间运算
两幅或多幅单波段图像，空间配准后可进行算术运算，实现图像的增强。
常见的有加法运算、减法运算、比值运算和综合运算。
例如：
减法运算：可突现出两波段差值大的地物，如红外-红，可突现植被信息。
算：常用于计算植被指数、消除地形阴影等。
植被指数：NDVI=（IR-R）/（IR+R）
6．邻域增强
又叫滤波处理，是在被处理像元周围的像元参与下进行的运算处理，邻域的范围取决于滤波器的大小，如3×3或5×5等。
邻区法处理用于去噪声、图像平滑、锐化和相关运算。
7．主成分分析
也叫PCA变换，可以用来消除特征向量中各特征之间的相关性，并进行特征选择。
主成分分析算法还可以用来进行高光谱图像数据的压缩和信息融合。
例如：对LandsatTM 的6个波段的多光谱图像(热红外波段除外)进行主成分分析，然后把得到的第1，2，3主分量图像进行彩色合成，可以获得信息量非常丰富的彩色图像。
8．K-T变换
即Kauth-Thomas变换，又称为“缨帽变换”。
这种变换着眼点在于农作物生长过程而区别于其他植被覆盖，力争抓住地面景物在多光谱空间中的特征。
目前对这个变换的研究主要集中在MSS与TM两种遥感数据的应用分析方面。
9．图像融合
遥感图像信息融合是将多源遥感数据在统一的地理坐标系中，采用一定的算法生成一组新的信息或合成图像的过程。
不同的遥感数据具有不同的空间分辨率、波谱分辨率和时相分辨率，如果能将它们各自的优势综合起来，可以弥息的不足，这样不仅扩大了各自信息的应用范围，而且大大提高了遥感影像分析的精度。
四．图像裁剪
在日常遥感应用中，常常只对遥感影像中的一个特定的范围内的信息感兴趣，这就需要将遥感影像裁减成研究范围的大小。
1．按ROI裁剪
根据ROI（感兴趣区域）范围大小对被裁减影像进行裁剪。
2．按文件裁剪
按照指定影像文件的范围大小对被裁减影像进行裁剪。
3．按地图裁剪根据地图的地理坐标或经纬度的范围对被裁减影像进行裁剪。
五
1．图像镶嵌
也叫图像拼接，是将两幅或多幅数字影像(它们有可能是在不同的摄影条件下获取的)拼在一起，构成一幅整体图像的技术过程。
通常是先对每幅图像进行几何校正，将它们规划到统一的坐标系中，然后对它们进行裁剪，去掉重叠的部分，再将裁剪后的多幅影像装配起来形成一幅大幅面的影像。
2．影像匀色
在实际应用中，我们用来进行图像镶嵌的遥感影像，经常来源于不同传感器、不同时相的遥感数据，在做图象镶嵌时经常会出现色调不一致，这时就需要结合实际情况和整体协调性对参与镶嵌的影像进行匀色。
六．遥感信息提取
遥感图像中目标地物的特征是地物电磁波的辐射差异在遥感影像上的反映。
依据遥感图像上的地物特征，识别地物类型、性质、空间位置、形状、大小等属性的过程即为遥感信息提取。
目前信息提取的方法有：目视判读法和计算机分类法。
其中目视判读是最常用的方法。
1．目视判读
也叫人工解译，即用人工的方法判读遥感影像，对遥感影像上目标地物的范围进行手工勾绘，达到信息提取的目的。
2．图像分类
是依据是地物的光谱特征，确定判别函数和相应的判别准则，将图像所有的像元按性质分为若干类别的过程。
（1）监督分类
在研究区域选有代表性的训练场地作为样本，通过选择特征参数（如亮度的均值、方差等），建立判别函数，对样本进行分类，依据样本的分类特征来识别样本像元的归属类别的方法。
（2）非监督分类
没有先验的样本类别，根据像元间的相似度大小进行归类，将相似度大的归为一类的方法。
（3）其他分类方
包括神经网络分类、分形分类、模糊分类等分类方法，以及他数据挖掘方法如模式识别、人工智能等，在这里不做进一步阐述。