遥感影像的三种理解模式

4．1　遥感影像的三种理解模式

遥感影像分类是一种典型的模式识别问题。对于遥感影像分类而言，模式所指的不是影像本身，而是我们从影像获得的信息。可以从三种不同的角度来分析和理解这种模式，如图4-1所示。

1．影像空间

将遥感数据看成影像，是最接近于人的认知习惯的方法。这种理解方式提供了地理空间概念。在影像中各像素与地面景观中相应范围内的地物相联系，像素之间的几何关系反映了现实地物之间的空间关系，因此人们可以对影像进行很直观的判读解译。事实上，在遥感影像分类中，样本获取的一种常用方法就是依据关于影像覆盖区实地的先验知识直接从影像中读取。另外，影像空间所提供的空间信息可以作为一种重要的分类辅助信息(常称之为上下文信息)。在较高空间分辨率的遥感数据分类中上下文信息尤为重要。影像空间这种表达方式的最大不足在于:人眼视觉系统只能感知单波段灰度影像或者三个波段组合成的(假)彩色影像，并不能充分地反映光谱遥感数据的全部信息。对于高光谱影像该问题更加突出。

图4-1　遥感影像的三种理解方式

2．波谱空间

波谱空间可以理解为一个二维坐标空间，其中横坐标代表不同的波段，纵坐标代表辐射强度。不同地物在各波段有不同的电磁波反射和吸收特性，在遥感数据中表现为不同的辐射强度。从理论上讲，如果传感器的波谱范围足够宽、灵敏度和分辨率足够高，就能根据波谱曲线区分不同地物。因此利用波谱空间这种表达方式，人们可以非常直观地根据不同地物的波谱曲线分析它们内在物理性质的差别，或者反过来根据地物的不同物理特性，寻找可分性最强的波段。

3．特征空间

把不同地物在两个波段的辐射强度值绘制在二维平面上，就可以得到一个二维特征空间。每个像素对应两个波段的辐射值，在该二维特征空间中可以表示为一个点，即二维向量。假如多光谱遥感数据中有10个波段，就可以将每个像素的10个辐射值表示为一个10维向量，它是10维特征空间中的一个点。

这种理解方式显然不够直观，人们难以想象高维空间中数据的分布方式。但在数学处理中，这样的表达方式却非常便于处理，而且可以充分地利用每个像素在所有波谱的信息。大多数模式识别方法都是首先通过某种方式确定不同类别样本在特征空间的分布区域，然后根据未知样本在特征空间中落在哪个区域中来判定其类别。以图2．7(c)为例，根据其中的分类面，未知样本将分类为土壤。

有相当一部分模式识别方法(如神经网络)并不是直接在上述特征空间中分类，而是将数据映射到另外一个特征空间进行类别判断。为了论述的方便，本节在两类空间同时出现时称初始的特征空间为“输入空间”，称映射变化后的特征空间为“特征空间”。