基于知识的分类

常规的分类方法是基于统计原理，分类结果有时不太稳定。为了提高分类结果的稳定性，一些学者提出了基于知识的分类方法（Tailor 1986， Wharton 1987）。

基于知识的分类模拟了人的目视判读过程，它通常是把一个分类的问题分解成一个树状的层次结构，图 3-10 为一个土地覆盖层次结构的示意图。

一旦土地覆盖的层次结构建立，接着就要为每一土地覆盖类型建立知识规则。通常是根据下面一些信息来构建知识规则（Ton et al.1991）：

  1. 专业的光谱知识

专业的光谱知识可以从遥感的有关文献中获得，如植被指数在区分植被和非植被方面是有效的；水体的光谱值随着波长增加而递减等。

  1. 根据训练数据获得的光谱规则

遥感文献可提供不同土地覆盖类型一般的光谱特性，但不是具体的规则。在利用特定的遥感图像对土地覆盖类型进行分类时，定性的光谱知识需要转化成更加具体定量的光谱规则，如知道了植被的植被指数是高的，但究竟多高则需要根据训练数据来获得。

  1. 空间信息

在分类中，光利用光谱信息是不够的，空间信息也需加入到分类规则中去。空间信息包括地物的形状、大小以及地物之间连接的特性。

对图像中的每一个像元，可以选择一些特征，根据分类像元的特征值以及规则库中该特征所描述的规则对像元进行分类。如规则库中对植被指数

bv （b v = NIR / VIS）这一特征有以下规则：

ij ij

植被 如果 b v ＞2.5

ij

像元（i，j）为非植被 如果b v ≤1.5

不确定 其他情况下

假如计算出该像元的植被指数为 3.27，则该像元被划分为植被。接下去利用其他特征，根据像元的特征值及规则库中的规则进一步划分，一直到不可再分为止。