遥感图像分类的原则是什么？

为了提高遥感图像的分类精度，分类时一般采用多波段数据以及波段间运算产生的一些新的变量(如比值图像)，因此遥感图像分类的特点是多变量的图像分类。基于此，遥感图像的分类一般包括三个原则。

①对多变量图像,不能孤立地根据个别变量的数值进行分类，而要从整个向量的数据特征出发，即根据像元点在多维特征空间中的位置及聚集情况，或者说根据空间集群的分布进行分类。

②一个集群(类)在特征空间的位置用它的均值向量表示，即该集群的中心。其离散程度用标准差向量(均方差向量)或协方差矩阵来衡量。

③分类的实质是把多维特征空间划分为若干区域(子空间) ,每个区域相当于一类，即位于同-区域内的像元点归属于同一类。分类或划分区域范围的标准可以概括为两种方法。第一种方法是由每类(或集群)的统计特征出发,研究它所应该占据的区域。例如，以每一类的均值向量为中心,把在几个标准差范围内的点归入一类。这个圈定范围的标准比较生硬,而且往往会造成类与类之间的互相重叠。第二种方法是由划分类与类之间的边界出发,建立边界函数或判别函数,通常称为判别分析。

事实上，第一种方法中采用相对标准差的方法实质上也是判别分析，因为也是以某个函数值的大小来确定分类边界的。它们的不同点在于，前者只有一个分类函数，而后者每-类都有一个判别函数。无论采用何种分类方法，关键在于如何确定每类在多维特征空间中的位置(类均值向量)、范围(协方差矩阵)以及类与类之间的边界(判别函数)的确切值。确定的方法般是利用已知地物类型的训练场地(样本区)取得训练样本数据，以这此数据作为整个图像的分类统计特征的估算值。