2.19. 最大似然分类¶
我们使用作用于所有七个波段的最大似然分类器进行了监督分类。同样，多波段类是从统计学上推导出来的，每个未知像素都使用最大似然法分配给一个类。
1-23: While the minimum distance and this first maximum likelihood classifications are, for the most part, quite similar, there are some differences. Mention several. `ANSWER <answer.html#1-23>`__
在这幅图中，我们省略了热带6，定义了16个类（这是idrisi程序中允许的最大值）。这些类与最小距离图像中记录的前一类相同。在这两种情况下，沉积物被细分为三个级别（I和II在海洋中，第三个在海湾中），并尝试两个城市级别（I=莫罗湾；II=洛斯奥斯），以解释它们之间的视觉差异（主要是街道模式）。看看这个图像分类，并决定它是多么可信。将其与最小距离图像进行比较。为了帮助您比较类似的类，我们使用了相同的颜色分配。接下来，看一个使用波段6的监督分类，并再次指定16个类。注意每个城市区域是如何变得更加均匀的。植被和斜坡的空间均匀性总体上增加了6级，但总体上增加了6级，差异不大。
每个16类最大似然版本都是一个相当令人眼花缭乱的图像，有许多类“右上”。破碎机和沙洲（海滩）似乎都是统一分类的。含沙量分布可靠。Morro Bay和Los Osos之间有足够的色调差异，因此决定将它们分为两类（Los Osos在街道模式和橙色棕色土壤中的差异，见波段1、2和3的组合）。然而，正如人们所期望的那样，一个城市阶层的色彩元素以不同的比例混合在一起。给予沿海沼泽地区的亮橙色区域比其同等区域在最小距离分类中所占的面积稍大，也分布在洛斯奥斯海岸线周围的小块区域，以及河流沿线。 (p) . 因此，这可能是一个真实的条件，因为我们希望这种植被更广泛。毫无疑问，最不确定的阶级分布在山丘上。太阳光坡度和阴影坡度这两类都是人工的，它们主要指的是照明条件。然而，草地和树木类可能是灯光效果和较亮或较暗表面的混合。分类清理的土地，同样是一个土地表面的描绘，可能支持，不仅稀薄的自然植被，甚至部分贫瘠，但也可能在某些地方有阴影效果。在这幅图中，草原被恰当地放置了，但似乎比其他几幅图中所示的范围更广，所以这无疑是一个有效的例子。绿色植被类别很好地代表了反射性有机材料（波段4）的实际分布，但在这一类作业选择中，没有单独列出几种生长的地面覆盖物。因此，高尔夫球场和山顶森林的元素显示为“像”，与农田作物等没有区别。如果我们给每个人提供了自己的课程和选定的培训地点，我们可以在一定程度上正确地区分它们。
注意，对于几乎所有的类，我们都分配了不同的颜色，这使得比较结果与早期分类相当困难。在上面的图像中，图例中省略了其中一个类（此Windows版本中图像显示的一种奇怪现象）；它是类树，呈现为深绿色。然而，在这和上面的7波段监督分类之间滚动显示出不同和相似之处。
在Windows版本中，将合并两个泥沙类。此外，该类（在DOS 3.1版本中称为“田地”）在这里被重命名为绿色蔬菜，包括有作物的田地和一些自然植被（可能是当地林地）。这两个都显示出明亮的红色在假色再现。类树的分布在这两种分类中都很相似，但在Windows版本中更为广泛（但很难看到，因为深绿色和黑色阴影显示的对比度不好）。DOS 3.1版本中的sculand和cleared类部分由Windows版本中的scrub表示。在DOS 3.1中，Urban II（专注于Los Osos街道模式）是橄榄色的，在Windows版本中是橙色的。在这两种情况下，城市二级模式的分布比实际情况要广泛得多。城镇结构或建筑群不存在于高速公路附近的长橙色地带，也不存在于图像的右下角。显然，一些自然表面，如真彩色和假彩色合成图像所解释的，会产生类似于这类城市的特征。在Windows版本中，几个非常明亮的区域，主要是在洛斯奥斯附近，被命名为沙坑。这是一种猜测，因为它们可能是挖掘出来的地面或海滩沙的内陆残余物（尽管它们与沙类不同）；只有实地考察才能确定正确的身份。
运行和比较这两种分类的要点可能是显而易见的：精确的最终结果对所涉及的变量和我们所做的选择非常敏感——主要是将课程从其培训地点推断为所选课程的标识和分布，即分类的总体外观和准确性。ONS。根据训练图像中的颜色和其他因素的不同，解释也会有所不同，通过这些因素我们可以选择可分离的课程，并阻止有效的训练地点。课程的数量、训练场地内封闭空间的有效性（纯度）（以及分配给每个课程的多边形中的像素数量）、课程的性质（城市划分有些人为，现实世界中的灌丛可能是非常不同的课程或特征）、分配给最终地图的颜色以及其他考虑因素。降额都会造成差异。我们再次强调这样一个论点：如果逻辑上可行，基于计算机的图像分类前后的实地工作是选择和检查类位置的关键。因此，它是实现优质产品的最佳保障。但是，如果现场访问不可行，熟练的口译员可以根据他/她在识别现场明显地面特征方面的能力，制定一个相当合理的分类。作者在没有任何实地工作的情况下对世界上许多地方进行了可信的分类，但仅仅是从他对景观或土地利用类别的共同组成部分的外观的了解上。