高光谱图像的模糊分类是什么

高光谱遥感图像的分类处理根据分类过程是否包含训练样本，可分为监督分类与非监督分类。监督分类是在已知训练样本光谱分布的前提下，通过计算训练样本的统计特征，建立分类模型或判别函数，进而将待测图像中的未知像素划分到某一类别中。 常见的监督分类方法包括:最小距离分类法、Fisher 判别准则分类、支持向量机、相关向量机以及最大似然判别分类等。非监督分类是在没有先验知识的情况下，仅根据图像数据本身的统计特征及自然点群的分布情况划分地物类别的分类方法。代表性的非监督分类包括: K均值聚类法、迭代自组织数据分析算法(Iterative Selforganizing Data Analysis, ISODATA)动态聚类算法和平行管道法。根据分类过程是否需要假定概率分布，可分为参数分类与非参数分类。参数分类假定各个地物类别具有特定的概率分布函数，分类过程中通过估计其分布参数对每个样本判别其类别归属。常见的参数分类算法为最大似然分类。非参数分类过程不需要假定各个类别具有某种概率分布，相应地也没有参数估计过程。代表性的非参数分类方法包括:平行六面体分类法和神经网络分类器。根据图像的像素是否确定地分到某个类别，可分为确定性分类和非确定性分类。确定性分类中，每个样本仅被分配到唯一的一个类别，通常又称为硬分类，多数传统的分类方法都是确定性分类。对于非确定性分类，图像中的每个像素可以同时被分到两个或两个以上的类别中，通常称为模糊分类。