计算机运算能力的大幅提高，基于光谱特征空间分析的非参数型技术分类方法逐步成熟。基于神经计算理论的遥感影像分类方法在国内外很多专家都已经做了大量的研究工作，人工神经网络已经在遥感影像分类和信息提取等研究中得到了广泛的应用，如土地覆盖的分类问题多时相动态地物的区分基于多源空间数据的融合和分类模糊分类融合先验知识的遥感影像分类影像结构信息提取等，这些应用在不同程度上都获得了有实际意义的结果。但是，遥感影像数据类别多，含混度大，如何解决多类别分类识别并满足定的分类精度，是当前遥感影像研究中的个关键问题。当前遥感影像分类的研究热点主要包括影像空间分布与结构信息的提取基于知识库和推理机的遥感影像分类人工神经网络方法④面向对象分类分类结果的定量评价方法。随着这些研究的进步深入，遥感影像分类更加自动化和智能化，分类精度将得到进步提高。结语目前，遥感应用中使用较多的仍是传统的分类方法。近年来，随着遥感技术和计算机技术的不断发展，专家系统神经网络模糊技术和数学形态学等些原来实现困难的新方法也在遥感图像分类中发挥作用，虽然这些新的方法比传统的方法在分类精度上有明显提高，可也存在定的不足。为了进步提高分类精度，综合利用各种信息进行遥感图像分类势在必行，同时这也是遥感应用科学家们直探索的方向之。参考文献贾庭芳，尹琦，李勃等利用遥感信息实现土地利用分类方法研究云南地质汤国安遥感数字图像处理北京科学出版社，纪仰慧，李国春，关宏强土地利用覆盖遥感分类研究综述信息资源建设与管理，陈白明试论中国土地利用和土地覆被变化及其人类驱动力研究自然资源，，陈健飞技术与资源可持续利用资源科学杨存建，周成虎基于知识的遥感图像分类方法的探讨地理学与国土研究程昌秀，严泰来与集成的高分辨率遥感影象分类技术在地类识别中的应用中国农业大学学报邸凯昌，李德仁，李德毅基于空间数据发掘的遥感图像分类方法研究武汉测绘科技大学学报游代安，蒋定华辅助下的法遥感影象分类测绘学院学报郑玉坤，庄大方多时相数据的傅立叶分析中国科学院研究生院学报宋杨，万幼川，申绍洪，等，基于傅立叶变换的混合分类模型用于时序影像分析武汉大学学报信息科学版，骆建承，周成虎，杨艳具有部分监督的遥感影像模糊聚类方法研究及应用遥感技术与应用刘伟强，胡静，夏德深基于核空间的多光谱遥感图像分类方法国土资源遥感，，，，，，，理论基础，它是个对不确定性进行定量陈述的多值逻辑体系，其基本思想是用连续的数值范围，取代非是即否的布尔逻辑陈述，与之间任何数值均可用以表示是与否之间的过渡状态。由于避免了武断的人为设定阈值或硬性边界，模糊逻辑能比二元语义的布尔逻辑更好地对真实世界进行描述。建立个完整的模糊系统是实施模糊分类的前提，这系统包括三个主要基本环节输入变量的模糊化过程模糊逻辑规则基础创建以及分类输出结果的去模糊化过程。支撑向量机分类方法支撑向量机是由提出的，结构风险理论二次优化理论核空间理论是的三大基础理论。法不同于传统统计方法和法，它不是通过特征个数变少来控制模型的复杂性，它提供了个与问题维数无关的函数复杂性的有意义刻划，用事先定义的非线性变换函数集，把向量映射到高维特征空间中，按照支撑向量与决策曲面的空隙极大化的原则来产生最优超平面，然后再把高维特征空间的线性决策边界映射到输入空间的非线性决策边界。等人认为是在高维数据分类上最好的机器学习算法，而且可以在小样本的情况下就获得较高的准确率，因为划分边界时依靠支撑向量，而不是靠由大量数据获得的统计特征。以上方法虽不依赖于光谱空间数据的先验知识而具有客观性，并在定程度上提高了分类精度，但是仍不具有普遍性。基于知识和的分类决策基于知识和的分类决策，是引入高层知识，并将有关类别的知识作用于分类设计的各个过程，以利于分类和提高分类精度。在土地利用现状调查中，涉及到许多利于土地覆盖与土地利用类型分类的知识。这些知识包括因不同的生长区域不同的生长环境以及物种不同而表现出的不同特征。充分考虑到并运用这些类别的知识能有效地提高分类精度。归纳起来有以下几种情况基于植物生长特征的土地利用与土地覆盖分类识别。利用不同季相的遥感图像进行分类识别，利用植被指数如等进行间接分类识别基于其它知识的分类识别。基于边缘检测和基于区域分类的间数据库中提取用户感兴趣的空间模式与特征空间与非空间数据的普遍关系及其它些隐含在数据库中的普遍的数据特征的过程。它主要是采用数据发掘技术从数据库和遥感图像中发现知识，用于改善遥感图像分类。这类方法可以利用已经获得的相关知识来改进或确定分类结果，但是需解决多种信息不致时的问题。例如，游代安提出了从空间数据库中挖掘知识用以辅助遥感影像分类，以提高分类精度。邸凯昌等将该方法用于北京地区多光谱图像和数据库进行土地利用分类，能较好地解决同物异谱，异物同谱等问题，分类精度得到提高，并且能根据发现的知识进步细分类，扩展了图像分类的能力。基于频谱分析的分类决策对土地资源分类时，地表植被的类型判断尤为重要。而在植被信息中，归化植被指数随着季节的变化，不同植被类型的值发生变化，而对同区域，时间序列相同的植被，其具有相似的变化曲线，因此可以考虑把曲线看作是个时间信号。根据理论，对任时间序列，其在时间领域的能量等同于其在频率领域的能量，因此可以通过变换将原始的时间序列从时间领域变换到频率领域，然后用于土地覆被遥感图像的分类。如郑玉坤，宋杨等，用频谱分析方法中的傅立叶变换对土地覆被遥感图像的分类作了初步的研究。总之，基于频谱分析的分类方法是种结合了地表生物信息的有效的分类方法，但由于该分类方法主要是基于时序的变化特征来进行分类，因此在对诸如水体等无明显特征变化的地类无法进行识别，存在定的缺陷。在应用过程中应辅以其他的分类方法。此外，在分类中受空间分辨率小不同地物绿度变化曲线缺乏考虑的因素不全面等原因也会造成分类精度相对较低。该方法目前应用还不普遍。土地利用的分类精度评价在土地利用与土地覆盖变化研究中，土地利用分类精度的评价不仅必要也十分重要。方面可以有效地对分类器进行评价从而改造分类器，另方面也是对遥感分类成果的最终评价，即对分类图中的理解，全面评价分类图的可靠性。精度评价般基于下列准则取样设计必须经济有效分类规则必须严谨且定义完美评价精度程序具有统计定义上的严谨检验数据的精度也要进行评估评价分类精度的数据必须与用于分类的那些数据双重信息基础之上的三维场景以及建立在光谱和空间知识规则上的图像分类系统基于句法结构的分类识别，如光谱知识和上下文信息相结合以及使用语义网络场景的结构分析自动解译系统基于的分类识别。可以数值化量化的形式存储大量的属性信息和地形地貌拓扑信息。这些信息可以充分地应用到遥感图像的分类决策中。坡度方位地势，以及高程对植被的分布有很大的影响，同时人文因素也越来越多地作用于土地利用与土地覆盖变化有效的利用这些量化信息能够提高分类的精度，。基于不同决策的分类方法，往往因强调不同的重点而侧重于不同的先验知识。基于知识和的分类，因知识表达与量化存在定的局限性，不能有效地融入分类识别决策之中而限制了其发展。基于多元数据融合的分类决策多源信息融合就是把多种信息遥感和非遥感数据按照定的方式有机地组合成统的信息模型。这类方法有基于知识的推理信息融合空间数据挖掘等。知识的推理方法可以利用现有的数据和先验知识，可以减少分类时遇到的同物异谱和同谱异物的现象。信息融合是利用多个遥感信息源所提供的反映所处环境或对象的不同特征信息之间的互补性和冗余性，采用有效的方法将它们融合，弥补单信息源的缺陷。作为辅助数据用于提高遥感图像分类精度是近年常采用的方法。可作为辅助数据用于训练区的选择分类数据预分层及分类后处理，或作为附加波段用于分类的过程。例如，将图像和地形图结合采用监督分类方法对郊区的土地利用变化进行分类，分类精度达到。程昌秀在土地利用动态监测中，将土地利用现状的矢量数据与同年同地区的遥感影像做配准与叠加，对于少数地类不单的图斑做局部边界提取，使分割后输入图斑内的地类单，再以图斑为单位提取整个图斑的灰度特征纹理特征和形态特征等多种判别指标，大大提高了影像的判别精度。但是，当分类器要求数据具有定的统计特征时，而多数数据作为辅助数据往往又不满足统计分类所要求的统计特性。这样附加波段方法就不合适。为解决这个问题，有不少研究者提出了知识驱动的遥感解译，即将空间数据发掘和知识发现作用于数据库并用于遥感分类。空间数据挖掘是从空因而通过遥感图像处理解译分类提取土地利用信息已成为土地利用研究必不可少的步。遥感影像土地利用分类是指遥感影像中的像元根据其在不同波段的光谱亮度空间结构特征或其它信息，按照种规则或算法进行的土地利用的分类。本文基于遥感机助分类技术来阐述了几种不同的土地利用的分类方法。土地利用的分类概述在遥感技术的研究中，通过遥感影像判读识别各种地物是遥感技术发展的个重要环节无论是专题信息的提取，动态变化的监测，还是专题地图的制作，或是遥感数据库的建立等都离不开遥感图像的分类。图像分类的过程，实际上就是将图像中的每个像元点或每块区域划分到若干类别中的类，或若干专题要素中的种。分类的结果是将图像空间划分为若干子区域，每个子区域代表种实际地物。遥感影像的计算机分类方法有种，统计模式方法和句法模式方法。常见的分类方法般为统计识别模式，如最大似然法最近判别法等。近年来发展的分类新方法则多采用句法方