正文
遙感圖像分析的主要目的是根據圖像所包含的光譜信息、空間信息、多時相信息和輔助數據確定地面物景中對應的物體類別、性質及其變化，例如農作物類別、林區林種、農林蟲害、泛區面積、礦山岩性、土壤成分和城鎮變遷等。利用地面多光譜特性直接對單個像素進行分類的方法有：監督學習的平行多面體法，最小距離法和計算複雜但識別正確率較高的最大似然法。在缺乏地面實況樣本數據情況下，可以採用按像素光譜特性相似程度進行分類的聚類分析方法。圖像紋理、局部結構和形狀（見紋理分析、形狀分析）等空間信息，能夠提供比單個像素更多的區域和相鄰像素間的關係信息，因此套用空間信息進行分類，有利於克服噪聲的影響和提高識別正確率。不同時間獲取的同一地面物景圖像的多時相信息，能反映一種植被或農作物的生長過程，或一塊土地、一片水域、一座城鎮的變化情況。此外，從多時相信息中還可選擇出類別最易分開的時相。例如，玉米和大豆的光譜特性在生長初期很接近，但到30～70天后兩者差異加大而易於區分。
輔助數據是指圖像以外的有關數據，如地形圖、等高線和土壤條件等，這些數據為分類增添了有用的信息。在其他信息相似的情況下，輔助數據能在很大程度上幫助正確地區分類別。
圖像分析專家系統、地理信息系統和環境監測系統，正在成為遙感圖像分析的重要手段。這些系系統將在水力、森林、草場、土地等資源調查、開發和利用中成為有效的工具。
