高光譜圖像怎么分類？高光譜圖像分類一般包括圖像預處理、標記訓練樣本、特征提取及選擇、分類判決及精度評價五個部分，下文一一介紹。

1.圖像預處理

由于高光譜影像在獲取過程中存在一定的噪聲，以及不同程度、不同性質(zhì)輻射量的失真和幾何畸變等現(xiàn)象。這些畸變和失真均會導致圖像質(zhì)量下降，嚴重影響其應用效果，必須進行預處理來消除這些因素的影響。高光譜數(shù)據(jù)的預處理包括很多方面的內(nèi)容，主要包括條帶噪聲去除、波段間配準、數(shù)據(jù)壓縮、光譜定標等。

2.標記訓練樣本

在分類時，訓練樣本的選取是非常重要的，直接關(guān)乎后面的分類結(jié)果。在開始數(shù)據(jù)分析之前，一般先選取紅、綠、藍波段或者是其他波段合成假彩色圖像，根據(jù)假彩色合成圖像來進行整體的直觀分析，從而確定出所要分類的類別組。定義的最優(yōu)類別需要滿足所做分類的有用性和可分性，同時要滿足分類的完整性。

3.特征提取與特征選擇

一般來說，盡管光譜中的每個波段圖像都提供了研究對象的一定信息，但其重要性有所不同，而且在很多情況下，各波段圖像所提供的信息常常有所重疊，波段間具有很強的相關(guān)性。為了消除數(shù)據(jù)間不必要的冗余信息，減少數(shù)據(jù)量和計算時間，需要對高光譜圖像進行特征提取。特征提取是通過映射和變換的方法，把原始模式空間的高維數(shù)據(jù)變成特征空間的低維數(shù)據(jù)。然后對特征更集中的低維數(shù)據(jù)進行處理。特征提取可以分兩類：一類是基于變換的方法，如主成分分析、最小噪聲分離變換，小波變換等，這些降維方法的優(yōu)點是將高維數(shù)據(jù)直接降低到低，速度很快；另一類是基于非變換的，如波段選擇等，它的優(yōu)點是保持了圖像的原有特征。

4.分類判決

分類判決是分類處理的核心階段，它關(guān)系到是否能夠充分挖掘高光譜圖像所包含豐富信息。高光譜圖像的分類過程中，由于高光譜圖像分辨率很高，所以能夠識別的類別的數(shù)目就比較多，用一些傳統(tǒng)的分類方法來進行分類的話，其分類效果就比較差了，這就需要一些根據(jù)圖像特點和分類目的設(shè)計或選擇怡當?shù)姆诸惼骷捌渑袥Q準則來提高其分類精度，對未知區(qū)域的樣本進行類別歸屬的判斷。

5.分類結(jié)果和精度評價

分類結(jié)束后，要對分類結(jié)果進行評價，確定分類的精度和可靠性。高光譜圖像分類精度評價是指在完成高光譜圖像分類后，依據(jù)地面真實標記參考圖，評估分類后影像的準確性。隨著高光譜遙感技術(shù)的進展，以及不同應用的復雜化具體化，高光譜圖像分類精度評價顯得越來越重要。比較常用的分類精度評價的方法有混淆矩陣、總體分類精度、Kappa錯分誤差三種評價方法。