基于最大似然法的遥感图像分类技术研究

参考文献： [1]Li GY, Jiang Y, Yan XL, et al. Digital nuclear magnetic resonance spectrometer [J]. Rev Sci Instrument, 2001, 72(12):4460-4463. [2]黄玮伟. 通用命令行模块的设计及实现 [D]. 浙江大学, 2007 年 5 月. [3]王 映,于 满 泉,李 盛 韬,王 斌,余 智 华. JavaScript 引 擎 在 动 态 网 页 采 集 技 术中的应用 [J]. 计算机应用, 2004, 24(2):33-36. [4]严莉 萍,鲍 敢 峰,尤 晋 元.一 种 基 于 分 布 组 件 协 调 的 脚 本 语 言 Concerto [J] .上海交通大学学报 2001(2)。
【关键词】： 网格；最大似然法；遥感图像；分类
1、引言 分类是遥感研究的一个重要领域，常见的分类主要包括 K 近
邻 法 、最 小 距 离 法 、平 行 六 面 体 法 、支 持 向 量 机[1]、神 经 网 络[2]等 。 当前遥感图像分类主要是在单机上实现，对多波段、宽视场、高 空间分辨率的遥感数据存在着效率低、速度慢等缺点，不利用复 杂算法的应用，限制了准确率的提高。 网格技术可以方便的进行 网络资源管理、有效的支持广域分布的、多领域的科学与工程问 题的解决。 论文研究了利用网格技术结合最大似然法完成大遥 感图像的分类方法。 使大遥感图像的分类速度加快， 准确率提 高。
HashMap<String,Object>()),ScriptContext.GLOBAL_SCOPE); //绑定脚本引擎的上下文环境的引擎域 hashmap engine.getContext ().setBindings (new EngineScopeBinding (new HashMap<String, Object>()),ScriptContext.ENGINE_SCOPE); } 其中类 ScriptNotBinding 与 EngineScopeBinding 的作用均是 定义绑定范围，只是范围的作用域不同。 5. 小结 本 文 简 单 介 绍 了 NMR 谱 仪 软 件 系 统 及 脚 本 语 言 的 基 本 概 念 ， 并 以 提 高 脚 本 语 言 在 NMR 谱 仪 软 件 系 统 的 应 用 为 研 究 目 标，通过定义通用命令行模块，以简单的实例描述了脚本语言在 软件系统中的具体运用。 本文重点描述了通用命令行模块中脚本语言的各种具体应 用及软件系统的独特运用，并进行了详细的说明。 各种运用提高 了软件系统的可操作性、人机交互性，并为人性化设计做了初步 的探讨。 最后， 本文结合图例和代码对通用命令行模块的设计与实 现进行了详细说明。
基金项目：山东科技大学研究生创新基金
8
福建电脑
2010 年第 1 期
第一部分为图像的行数，第二部分为图像的列数，第三部分为图 像的波段数。在计算过程中，将图像分成 5 类。通过对比来看，单 机分类和网格环境下分类有一定差距， 原因是分类当中感兴区 域选择的时候有一定的不同，但是结果总体较好。 运行时间和节点个数图如图 2 所示。
图 1 最大似然分类器功能模块图 遥感图像预处理中的几何纠正和辐射校正主要是为了消除 遥感图像获取过程中产生的图像真实度问题， 提供给用户的是 一幅和真实地物地貌的形状、 空间位置以及色调吻合度较高的 图像， 格式转换是将多种格式的遥感图像转换成分类所需的格 式。 初始化模块确定分类的类别个数以及网格环境的初始化和 对数据的分块。 感兴区域选择模块是用户根据自身需求以及经 验知识，对不同的地物进行划分，并且统计其中的像元个数，计 算均值和方差等参数。 数据传输模块是用户将分块数据传输到 各个网格节点的过程，需要建立连接，然后进行传输。 分类计算 模块是网格站点对分块数据进行分类计算， 最后将计算结果返 回给主机。 4、最大似然分类流程 基于网格技术的最大似然分类器模型的建立是在监督分类 中最大似然法的基础上建立的。 在分类之前，需要部署好网格环 境，并且测试好网格环境间的通讯是否正常，然后再进行分类， 其主要流程如下： Begin 1)对 图 像 进 行 预 处 理 ； 2)初 始 化 分 类 个 数 ，以 及 训 练 参 数 ，确 定 数 据 分 块 和 线 程 数； 3)建 立 并 初 始 化 网 格 线 程 及 每 个 线 程 所 要 计 算 的 数 据 量 ； 4)检 测 网 络 及 网 格 节 点 连 通 性 ，向 网 格 添 加 网 格 计 算 线 程 模型； 5) 每一线程根据样本子集数据分别进行循环网格计算 ，将 网格单元中的所有数据通过计算得到所属类别，存储至本节点； 6)将 各 个 网 格 站 点 中 计 算 的 结 果 传 输 至 主 机 ，合 并 网 格 计 算结果； 7)释 放 网 格 资 源 ，将 分 类 结 果 输 出 至 文 件 。 End 5、实验结果及分析 试验是在 Intel P4 ,512M 内存, Microsoft Visual Studio2005， Alchemi 1.06 局 域 网 环 境 下 进 行 的 。 所 用 实 验 数 据 为 2000*2000*7，4000*4000*7，6000*6000*7，8000*8000*7， 其 中 ，
参考文献： [1] 曾联明,吴湘滨,刘鹏. 网格环境下分布式 SVM 遥感图像分类 器 模 型 研究[J]. 计算机工程与应用,2009,45(5)：195-206. [2] 邓 松 ,王 汝 传.基 于 网 格 服 务 的 分 布 式 BP 分 类 算 法 研 究 [J]. 计 算 机 应 用 研 究 ,2009,5:40-45. [3] 吴 学 军 ， 王 修 信 . 城 市 TM 遥 感 图 像 分 类 方 法 研 究 [D]. 地 方 ： 大 学 , 2007. [4] 钱巧静,谢瑞.面向对象的土地覆盖信息提取方法研究[J].遥 感 技 术 与 应用,2005,20(3) :338 - 342. [5] 邰晓亮，苏铁明.基于网格的协同设计平台关键技术 研 究[D].大 连:大 连 理 工 大 学 ,2008. [6] 曾联明,吴湘滨,刘鹏. 新的分布式遥感图 像 分 类 器 系 统 开 发[J]. 计 算 机应用研究,2009,5: 1944-1954.
2010 年第 1 期
福建电脑
7
基于最大似然法的遥感图像分类技术研究
刘 涛 1， 孙忠林 1， 2， 孙 林 2
（1、山东科技大学 信息科学与工程学院 山东 青岛 266510 2、山东科技大学 测绘科学与工程学院 山东 青岛 266510 ）
【摘 要】： 针对大遥感图像在单机分类方法中存在分类效率低、准确度差的问题，本文研究了网格环境下的最大似然 分类技术在大遥感图像分类的应用。 文中提出的方法充分利用了网格技术的分布式计算和协同共享等能力，采用最大似然 法，给出了网格环境下大遥感图像的分类方法，并实验验证了该方法的有效性。
论文通过对较大遥感图像的分析和分块， 设计出在网格环 境中以分布式、多线程并行计算，实现对大遥感图像的分类，减 少了分类的时间，为复杂分类算法的应用提供了便利。 2、最大似然法分类技术
最大似然 分 类 法 (Maximum Likelihood Classification， 简 称 MLC)有严密的理论基础 ，对 于 呈 正 态 分 布 的 类 别 判 别 函 数 易 于 建立，综合应用了每个类别在各波段中的均值，方差以及各波段 之间的协方差，有较好的统计特性，一直被认为是较先进的分类 方 法[3]。
Hale Waihona Puke !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
（上接第 4 页）
NmrJsContext 类 实 现 了 包 括 对 脚 本 命 令 执 行 范 围 的 定 义 、 脚 本 变量的作用范围、各种参数的绑定等功能。 对参数及参数范围的 绑定是通过 NmrJsBinding 类完成的。 4.2 命令行模块的实现
图 2 时间节点图 CPU 使用率和网格节点关系图如图 3 所示。
图 3 效率节点图 通过结果来看，当数据量较大时，节省时间较为明显。 当数
据量较小时，减少时间不明显。 这是因为数据在传输过程中需要 建立连接，传输数据，消耗了一定的时间。 对于网格节点的个数 来说，网格节点个数越少，效果越明显，网格节点数越多，结果越 不明显，而且随着节点个数的增多，时间差越来越小。 因为，网格 节点数量增多， 建立连接以及传数据， 分析数据所用时间就越 多。 从效率节点图来看，随着网格节点的增多，单台计算机计算 平均所消耗 CPU 越来越少，减少量随着节点数量 的 增 多 越 来 越 少，最后大致持平。 最后结果如图 3 所示。 6、结束语
通过对实验结果的分析来看， 将网格技术应用于遥感图像 分 类 ，大 大 的 减 少 了 计 算 所 用 时 间 以 及 CPU 使 用 率 ，提 高 了 分 类的精度。 由于计算过程受到网络带宽以及连接时间的限制，对 于不同大小的图像得到的结果也不尽相同。 因此，网格技术可以 在最大似然分类法中得到良好的应用。
其主要过程如下： 1) 确定需要分类的地区和使用的波段和特征分类数, 检查 所用各波段或特征分量是否相互已经位置配准； 2) 根据已掌握的典型地区的地面情况, 在图像上选择训练 区； 3) 计算参数,根 据 选 出 的 各 类 训 练 区 的 图 像 数 据,计 算 和 确 定先验概率； 4) 分类,将 训 练 区 以 外 的 图 像 像 元 逐 个 逐 类 代 入 公 式,对 于 每个像元,分几类就计算几次,最后比较大小,选择最大值得出类 别； 5) 产 生 分 类 图,给 每 一 类 别 规 定 一 个 值,如 果 分 10 类,就 定 每一类分别为 1 ,2 ……10 ,分类后的像元值使用类别值代替,最 后得到的分类图像就是专题图像. 由于最大灰阶值等于类别数, 在监视器上显示时需要给各类加上不同的彩色； 6) 检验结果,如果分类中错误较多,需要重新选择训练区再 作以上各步,直到结果满意为止。 3、遥感图像分类器模型设计 基 于 网 格 技 术 [5]的 分 类 模 型 的 设 计 ，就 是 要 将 在 单 机 上 的 分 类工作分散到各个空闲的网络资源中进行[6]。 最大似然分类器包 括五个主要模块：遥感图像预处理；分类参数初始化；感兴区域 选择；数据传输；分类计算。 如图 1 所示。