监督分类的最大似然法
最大似然法以贝叶斯准则为理论基础,假设各类别统计均呈现正态分布,基于各类地物的特定光谱特征,不同地物类别在光谱特征空间中各自集群,分别统计未知像元落入不同集群的概率,并将其判定为概率最大对应的类别。
最大似然法分类的步骤可分为三步:首先确定各类的训练样本,再根据训练样本计算各类的统计特征值,建立分类判别函数,最后逐点扫描影像各像元,将像元特征向量代入判别函数求出其属于各类的概率,将待判断像元归属于判别函数概率最大的一组。
该分类法错误最小,是较好的一种分类方法。不足的是传统的人工采样方法工作量大,效率低,加上人为误差的干扰,使得分类结果的精度较差。利用GIS 数据来辅助最大似然法分类,可以提高分尖稍度,通过建立知识库指导分类的进行,可以减少分类的错误,这是提高最大似然法分类精度的有效方法。