遥感信息提取在城市发展与规划中的综合应用研究及实践成果

遥感信息提取即图像解译，是对遥感图像上的地物特征进行综合分析、比较、推理和判断，最后提取出地物目标信息的过程，常用方法为目视解译和计算机信息提取。

1.目视解译

遥感图像目视解译也称目视判读，是以地物的几何特征和光谱特征的空间反映为判读依据，用人工的方法判读遥感影像，提取目标地物信息的过程。目视解译法是遥感应用中无可替代的组成部分，将与地学分析方法长期共存、相辅相成(陈述彭，1990；陈述彭，等，1997)。

目视判读要遵循“先宏观、后微观，先整体、后局部，勤对比，多分析”的原则。熟悉地物在不同波段的光谱特性、了解地物在不同波段合成影像的表现、熟悉影像解译标志，有助于提高影像目视判读的精度。

2.图像分类

图像分类是利用计算机通过模式识别理论，分析图像中反映同类地物的光谱、空间相似性和异类地物的差异，进而将遥感图像自动分成若干地物类别(戴昌达，等，2004)，又称遥感图像计算机信息提取技术(邓书斌，2014)。自动识别分类技术大大提高了遥感信息提取速度，一般分为监督分类和非监督分类(梅安新，等，2001；赵英时，2003)，此外，还有基于专家知识的决策树分类和灰度分割分类等其他分类方法。

(1)监督分类(https://www.xing528.com)

监督分类又称训练场地法，是在已知类别的训练场地上提取各类训练样本，通过选择特征变量、确定判别函数或判别规则，从而把图像中的各个像元点划归到各个给定类的分类方法(林培，1990；傅肃性，2002；梅安新，等，2001；李石华，等，2005；孙家，2013)。与警察判别函数和判别规则不同，监督分类的方法有最大似然法、最小距离法、费歇尔线性判别法等(潘建刚，等，2004)。

(2)非监督分类

非监督分类又称聚类分类，是在没有先验类别作为样本的情况下，根据图像本身的统计特征和自然点群的分布情况划分地物类别的分类方法(宣勇，等，2004)。

在监督分类中，先定义信息类别，然后检查它们的光谱可分性；在非监督分类中，先确定光谱可分的类别，然后定义它们的信息类(Lillesand，2015)。监督分类和非监督分类经常综合使用，发挥各自的优点，从而提高分类的效率和精度。

(3)基于专家知识的决策树分类

基于专家知识的决策树分类是基于遥感图像数据及其他空间数据，通过专家经验总结、简单的数学统计和归纳方法，获得分类规则并进行遥感分类。分类规则易于理解，分类过程符合人的认知过程(邓书斌，2014)。将地理信息系统和专家系统组合，能够发挥更大的作用(蔡宏，2006)。