遙感圖像分類方法 遙感影像分類方法
基于參數(shù)化密度分布模型的最大似然方法（MLC）是遙感圖像分類中最常用的方法之一。與其它非參數(shù)方法（如神經(jīng)網(wǎng)絡(luò)）相比，該方法具有參數(shù)解釋能力強、易于與先驗知識融合、算法簡單、易于實現(xiàn)等優(yōu)點。但是，由于遙
基于參數(shù)化密度分布模型的最大似然方法（MLC）是遙感圖像分類中最常用的方法之一。與其它非參數(shù)方法（如神經(jīng)網(wǎng)絡(luò)）相比，該方法具有參數(shù)解釋能力強、易于與先驗知識融合、算法簡單、易于實現(xiàn)等優(yōu)點。
但是，由于遙感信息統(tǒng)計分布的高度復(fù)雜性和隨機性，當特征空間中的類別分布相對離散時，不能服從預(yù)先假設(shè)的分布，或者樣本的選取不具有代表性，分類結(jié)果往往偏離實際情況。