最大似然分类

来自 孔夫子旧书网 的图片

最大似然分类是全国科学技术名词审定委员会审定、公布的科技术语。

随着社会制度的不断发展与进步，中国的汉字也在不断演化着，从最初的甲骨文渐渐发展到了小篆，后来文化进一步发展后，才出现了”汉字”这种说法。

目录

名词解释

最大似然分类（maximumlikelihood classification ）：在两类或多类判决中，用统计方法根据最大似然比贝叶斯判决准则法建立非线性判别函数集，假定各类分布函数为正态分布，并选择训练区，计算各待分类样区的归属概率，而进行分类的一种图像分类方法。 又称为贝叶斯（Bayes）分类法，是根据Bayes准则对遥感影像进行分类的。

在传统的遥感图像分类中，最大似然法的应用比较广泛。该方法通过对感兴区域的统计和计算， 得到各个类别的均值和方差等参数，从而确定一个分类函数，然后将待分类图像中的每一个像元代入各个类别的分类函数， 将函数返回值最大的类别作为被扫描像元的归属类别，从而达到分类的效果。

遥感影像计算机自动识别与分类，就是利用计算机对地球表面及其环境在遥感图像上的信息进行属性的识别和分类，从而达到识别图像信息所相应的实际地物，提取所需地物信息的目的. 遥感影像自动分类主要是利用地物（或对象）在遥感影像上反映出来的光谱特征来进行识别与分类。

性质

一种遥感图像分类算法

核心：确定判别函数fAB(X)和相应的判别准则。

一种监督分类算法

特点：事先知道类别的信息（即类别的先验知识）

原理

贝叶斯定理：假设B1,B2…互斥且构成一个完全事件，A伴随它们出现，已知它们分别发生的先验概率P(Bi),i=1,2,…及A的条件概率P(A|Bi)，则可以得到事件A的后验概率P(Bi|A)。

由概率乘法公式

P(AB)=P(A)*P(B|A)=P(B)*P(A|B)

分类前基于这样一个假设:待分类的每个像素在每个类别是服从正态分布的，通过训练样本统计出样本的先验概率和条件概率，再根据贝叶斯理论求出像素点的后验概率，取其最大的后验概率作为归属类别。

具体步骤

其主要过程如下：

1) 确定需要分类的地区和使用的波段和特征分类数, 检查所用各波段或特征分量是否相互已经位置配准；

2) 根据已掌握的典型地区的地面情况, 在图像上选择训练区；

3) 计算参数,根据选出的各类训练区的图像数据,计算和确定先验概率；

4) 分类,将训练区以外的图像像元逐个逐类代入公式,对于每个像元,分几类就计算几次,最后比较大小,选择最大值得出类别；

5) 产生分类图,给每一类别规定一个值,如果分 10 类,就定每一类分别为 1 ,2 ……10 ,分类后的像元值使用类别值代替,最后得到的分类图像就是专题图像. 由于最大灰阶值等于类别数,在监视器上显示时需要给各类加上不同的彩色；

6) 检验结果,如果分类中错误较多,需要重新选择训练区再作以上各步,直到结果满意为止。

优缺点

最大似然分类的优点是简单，实施方便，并目_以BAYES理论和其它先验知识融合分类，密度分布函数可以有效、清晰地解释分类结果，但是这类方法比较适合用于波段较少的多波段数据，这也是其在多光谱分类中得到广泛应用的原因。最大似然在高光谱分类的拓展应用中存在以下缺陷优待进一步研究 [3] 。

1)分类时间延迟，分类时间随着波段信息的增加成二次方的增长。

2)对训练样本要求高，训练样本必须超过波段数，以方便估计光谱均值向量和协方差矩阵参数。