论文部分内容阅读
在常规遥感监督分类中,训练信息和分类结果是以象元—类别一对一的方法表示的。在训练分类器和决定象元隶属性时没有考虑类别的混合现象。这种表示的局限性降低了分类水平,因而限制了更广泛的信息提取。 本文描述了一个模糊监督分类的方法,其中地学信息是以模糊集表示的。算法包括两个主要步骤:对来自模糊训练数据的模糊参数的估计;对光谱空间的模糊划分。这可以鉴别混合象元中各组分覆盖类型的不完全隶属性以及产生更精确的统计参数,从而达到更高的分类精度。