1、“.....评价图像质量，决定是否需要进行影像增强等预处理。这个过程主要是个目视查看的过程，为后面样本的选择打下基础。建立分类函数，需要对每类别选取定数目的样本，在中是通过感兴趣区来确定，也可以将矢量文件转化为文件来获得，或者利用终端像元收集器获得。根据分类的复杂度精度需求等确定哪种分类器。目前监督分类可分为基于传统统计分析学的，包括平行六面体最小距离马氏距离最大似然，基于神经网络的，基于模式识别，包括支持向量机模糊分类等，针对高光谱有波谱角，光谱信息散度，二进制编码。下面是几种分类器的简单描述。平行六面体根据训练样本的亮度值形成个维的平行六面体数据空间，其他像元的光谱值如果落在平行六面体任何个训练样本所对应的区域，就被划分其对应的类别中......”。

2、“.....然后以均值向量作为该类在特征空间中的中心位置，计算输入图像中每个像元到各类中心的距离，到哪类中心的距离最小，该像元就归入到哪类。马氏距离计算输入图像到各训练样本的协方差距离种有效的计算两个未知样本集的相似度的方法，最终技术协方差距离最小的，即为此类别。最大似然假设每个波段的每类统计都呈正态分布，计算给定像元属于训练样本的似然度，像元最终被归并到似然度最大的类当中。神经网络指用计算机模拟人脑的结构，用许多小的处理单元模拟生物的神经元，用算法实现人脑的识别记忆思考过程。支持向量机支持向量机分类或是种建立在统计学习理论或基础上的机器学习方法。可以自动寻找那些对分类有较大区分能力的支持向量，由此构造出分类器，可以将类与类之间的间隔最大化，因而有较好的推广性和较高的分类准确率。本文采用的的最大似然方法。主菜单下选择。按照默认设置参数输出分类结果......”。

3、“.....系数。植被的制图精度是。表年影像监督分类评价精度类别植被耕地建筑水域其它总计未分类植被耕地建筑水域其它总计总体精度，系数。植被的制图精度是。表年影像监督分类评价精度类别植被耕地建筑水域其它总计未分类植被耕地建筑水域其它总计总体精度，系数。植被的制图精度是。主成分变换主成分变换是种多元统计技术，在数学上常称为变换，它是在统计特征基础上的多维正交线性变换。其算法为计算多波段图像数据的统计特征参数，得到反映各波段同理得出年与年植被的变化如下图所示图年至年的植被变化信息根据中的差异探测统计工具进行植被变化分析，分析数据如表......”。

4、“.....植被变化趋势如下图所示图年至年的植被变化趋势植被变化原因从提取出的植被变化图中可以看出，很大部分地区有新增植被的出现，而且锦州市地区植被的整体数量是呈现上升的趋势，根据相关资料分析，这与当地政府和人民不遗余力植树造林，改善生态环境有着密切的关系。但是由于人口的增长，对木材的需求的增加过度的放牧和城市化的发展必然将会破坏些植被。病虫害的加剧，直接导致植被面积减少。锦州地区春季赤松毛虫对植被的危害极大。风沙的影响所产生的灾害，方面土地沙化造成土地生产力降低，土质劣化，甚至失去利用价值。另方面，土地大面积严重沙化不仅给有效利用土地资源带来巨大的困难从而使部分地区林地消失在年以后锦州地区发生了多次的沙尘暴，这对植被产生了严重的影响。植物的生长完全依赖于水源，人口的增加工业化的发展必然使得水资源的逐年减少，这也影响着植被的变化......”。

5、“.....制定了技术路线，并对锦州市的地理位置自然资源气候特征文化特征进行了简单介绍。对锦州市的遥感图像进行了辐射校正几何校正图像增强直方图匹配分幅裁剪波段组合等系列的预处理，利用不同的信息提取方法对植被信息进行提取，通过精度分析，最后采取主成分变换与最大似然相结合的方法。利用提取出的不同年份的植被信息，对植被的增减变化进行分析。最后得出锦州市在年到年期间植被覆盖率增加，在年到年植被覆盖率呈现缓慢的下降趋势。由于时间有限，本文还有很多不足之处。如在植被变化原因上由于对锦州市近些年的发展变化并不是十分了解，所以对变化原因分析并不具体。非监督分类的精度太低，有待提高。分类方法与提取变化信息的方法有待进步研究等。关系的协方差矩阵，然后求其特征值和特征向量。这些特征值就是各主成分的方差信息，而对应的特征向量即为主成分变换的系数载荷因子，变换前后方差总和不变......”。

6、“.....且第组分往往占有方差的绝大部分，信息量最大，其余各组分所得方差依次减少。主成分分析并不制造新信息，也不改变图像几何形状，只是将图像信息重新分配，突出了前几个分量信息数据占有量。本文首先将不同年份的遥感影像进行主成分变换，然后通过比较分析，采用最大似然法对影像进行监督分类。监督分类过程这里不做介绍。把个时期经过主成分变换图像后监督分类得到的图像如下图年主成分变化分类图年主成分变化分类图年主成分变化分类所得精度报表如下表年影像主成分变换分类评价精度类别植被耕地建筑水域其它总计植被耕地建筑水域其它总计总体精度，系数。植被的制图精度。表影像主成分变换分类评价精度类别植被耕地建筑水域其它总计植被耕地建筑水域其它总计总体精度，系数。植被的制图精度。表影像主成分变换分类评价精度类别植被耕地建筑水域其它总计植被耕地建筑水域其它总计总体精度，系数......”。

7、“.....不同植被提取方法精度比较与选择表不同年份影像不同植被信息提取方法精度比较年份分类方法年年年非监督分类系数总体精度植被制图精度监督分类系数总体精度植被制图精度主成分变换系数总体精度植被制图精度从图表可得出非监督分类得到的精度较差，监督分类和主成分变化方式尚可，这两种分类方法对比而言，主成分变化方法精度稍高，所以选择主成分变化来提取地物。图年影像的植被提取图年影像的植被提取图年影像的植被提取植被的变化分析植被的覆盖变化统计年与年锦州市植被变化在中选择，连续添加提取的年植被图像和年植被图像。得出两幅图像的差异，其中红色代表减少的植被，蓝色为新增加的植被如下图所示图年至年的植被变化信息所以这里，均衡化的转换函数均采用归化的形式，即拉伸因子为，此时设其他值相应变为小数或者分数，因此，均衡化的装换函数即为该图像的累积直方图本身......”。

8、“.....做出原图像的累积直方图对原图像进行均衡化变换。做出参考图像的直方图或者参考直方图。做出参考直方图，进行均衡化变换。对于原图像中的每灰度级的累计值在参考累积直方图中找到对应的累计值。如果为数学公式可以直接计算求值，则得到对应的新灰度值。以新值替代原灰度值，形成均衡化后的新图像。根据原图像像素统计值对应找到新图像像素统计值，做出直方图。图像增强图像增强是增强图象中的有用信息，它可以是个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量丰富信息量，加强图像判读和识别效果，满足些特殊分析的需要。图像增强按所用方法可分成频率域法和空间域法。前者把图像看成种二维信号，对其进行基于二维傅里叶变换的信号增强......”。

9、“.....可去掉图中的噪声采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波取局部邻域中的中间像素值法等，它们可用于去除或减弱噪声。图像增强的方法是通过定手段对原图像附加些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制掩盖图像中些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算基于频域的算法是在图像的种变换域内对图像的变换系数值进行种修正，是种间接增强的算法。最佳波段组合遥感图像的信息量主要取决于两个因素是图像的灰度等级或量化等级的数目，般用记录灰度或亮度的字位数来量度是瞬时视场或像元的大小......”。