什么是光谱分类最大似然性法(MLC)

    MILC法可谓是经典的分类方法，已在宽波段遥感图像分类中普遍采用。它主要根据相似的光谱性质和属于某类的概率最大的假设来指定每个象元的类别。MLC 法最大优点是能快速指定被分类象元到若干类之中的一类中去。但对于高光谱数据。如再加上类别数较多时，MLC法的运算速度则明显减慢，且所需的训练样本亦很大。为了减少计算工作量，发现通过将高光谱数据分成几个波长组能够减少处理时间。他们改进的MILC 法称简化最大似然性判别函数(SMLDF)。依据所有波段间的相关性分成若干连续的波段组，由这些不同波段组构成每个类别的协方差阵，再从每个波段组计算出判别函数值，最后求所有波段组产生的函数值的和.对每个象元分类。 该法与传统的MLC比较，能显著地减少计算时间，特别是对高光谱数据的处理更为明显，同时能保证几乎与传统MIC结果的精度相同。另外，这种方法所要求的每类训练样本数明显地比传统MILC 所要求的少。因此可降低准备训练样本的成本。