遥感信息提取技术，实用水文新技术

概括地说，遥感信息提取的方式主要有3种：目视判读提取、基于分类的信息提取和基于知识发现的遥感专题信息提取。

1.目视判读提取

目视判读能综合利用地物的色调或色彩、形状、大小、阴影、纹理、图案、位置和布局等影像特征，以及有关专家的经验，并结合其他非遥感数据资料进行综合分析和逻辑推理，能达到较高的专题信息提取的准确度，尤其是在提取具有较强纹理结构特征的地物时更是如此。它是目前业务化生产的一门技术，与非遥感的传统方法相比，尽管该方法较费工费时，但由于计算机自动提取遥感信息难度较大，故将在遥感信息提取中长期存在。

2.基于分类方法的遥感信息自动提取

分类方法是遥感信息提取最常使用的方法之一，其技术核心是对遥感图像的分割。分类有无监督分类和有监督分类两种。在监督分类中，有K—MEANS法、动态聚类法、模糊聚类法以及人工神经网络法；在有监督分类中，有最小距离法、最大似然法，模糊分类法以及人工神经网络法。

最大似然法需要各类型的先验知识及其概率，特别是需要假定各类型的分布属于正态分布，故它是一种有参数的分类器，在具有先验性概率知识以及各类型满足正态分布的条件下，它具有较好的分类效果，该分类器具有分类速度快的优点。

模糊分类是根据模糊数学所构建的一种分类器，它是建立在假设一个像元（图像块）是由多个类型所组成的基础上，只是各类型的隶属度不同。在对分类器训练时，需要确定训练样本像元中，各类型的隶属度，它不需要各类型的先验概率知识，也不要求各类型服从正态分布，它是一种无参数的分类器，但是对训练像元中各类型隶属度的确定比较困难。该方法适用于亚像元信息的提取。(www.xing528.com)

人工神经网络分类器是利用人工神经网络技术所构造的分类器，人工神经网络是近十年得到迅速发展的一门非线性科学，它是模拟生物神经网络的人工智能技术，已广泛地用于趋势分析和模式识别以及遥感图像的分类等方面。人工神经网络器不需要各类型的先验性概率知识，也不要求各类型一定要服从正态分布，它是一种无参数的分类器。神经网络方法利用分类器进行分类时所需要的时间很短，但是在对分类器进行训练时，所需要的时间却很长。

就无监督分类而言，其所分的结果，需要专家进行判读和类别的归并，并最终确定其所需的类型。而就监督分类而言，需要选取大量的训练样区，而训练样区的选取不仅费工而且还很费时，训练样区选择的好坏直接影响分类的效果，同时，分类是对整个图像进行分割，它所要求的是总体的精度最高，这样就不可能完全保证某专题信息的精度一定最高。

3.基于知识发现的遥感专题信息提取

基于知识发现的遥感专题信息提取，其基本内容包括知识的发现、应用知识建立提取模型和利用遥感数据和模型提取遥感专题信息几个方面。在知识发现方面，包括从单期遥感图像上发现有关地物的光谱特征知识、空间结构与形态知识、地物之间的空间关系知识，其中，空间结构与形态知识包括地物的空间纹理知识、形状知识以及地物边缘形状特征知识；从多期遥感图像中，除了可以发现以上知识外，还可以进一步发现地物的动态变化过程知识，从GIS数据库中可以发现各种相关知识。在利用知识建立模型方面，主要是利用所发现的某种知识、某些知识或所有知识建立相应的遥感专题信息提取模型。

在利用遥感数据和模型提取遥感专题信息时，应从简单到复杂，从单知识、单模型的应用到多知识、多模型的集成应用，从单数据的使用到多数据的综合使用。