最大似然判别法. 也称为贝叶斯(Bayes) 分类,是基于图像统计的监
督分类法,也是典型的和应用最广的监督分类方法. 它建立在 Bayes 准
则的基础上,偏重于集群分布的统计特性,分类原理是假定训练样本数
据在光谱空间的分布是服从高斯正态分布规律的,做出样本的概率密
度等值线,确定分类,然后通过计算标本(像元) 属于各组(类) 的概率,将
标本归属于概率最大的一组. 用最大似然法分类,具体分为三步:首先
确定各类的训练样本,再根据训练样本计算各类的统计特征值,建立分
类判别函数,最后逐点扫描影像各像元,将像元特征向量代入判别函数,
求出其属于各类的概率,将待判断像元归属于最大判别函数值的一组。
2.2 最大释然分类算法的调试
#include<iostream.h>
#include<fstream.h>
#include<stdlib.h>
#include<math.h>
#include<iomanip.h>
const float PI=3.1415;
float train1[60][3],train2[60][3],train3[60][3],train4[60][3]; //存各
类训练样本
float m1[3],m2[3],m3[3],m4[3],c1[3][3],c2[3][3],c3[3][3],c4[3][3]; //
各类均值向量及协方差矩阵
float p=0.25; //先验概率
float test[240][11]; //检验样本 各列分别存放:分类前类
评论2
最新资源