应地表过程与资源生态国家重点实验室副主任陈晋教授的邀请，2011年10月24日，澳大利亚新南威尔士大学工程与信息技术学院高级讲师贾秀萍博士来访并以“Information retrieval from remote sensed data: hard or soft classification （遥感数据信息提取：“硬”分类与“软”分类）”为题，在北京师范大学化学楼二层学术报告厅做报告。报告会由地表过程与资源生态国家重点实验室崔喜红老师主持，来自我校70多名师生到场聆听并参与讨论。

 

此次报告，贾秀萍博士首先针对现有的遥感高光谱信息提取方法及相应的模型进行了介绍，然后分别对硬分类和软分类的基本思想与方法做了详细阐述。硬分类方法主要是根据遥感数据在特征空间的统计性质或者边界性质给定分类的结果，并生成基于像元的专题图，例如最大似然方法，k最近邻法，支撑向量机等方法。而软分类方法考虑到数据在采集与处理过程中的不确定性以及空间分辨率等因素的制约，利用特征空间的性质给定像元所属类别的概率或比例进行制图。相比于硬分类方法，软分类方法可以根据用户所关心的内容给出相应的信息或者专题图。

 

之后，贾秀萍博士还对遥感图像的混合像元问题进行了进一步的探讨，混合像元的产生主要是由于地表类型的不均一性以及空间分辨率等因素造成，软分类方法在这一问题上也具有较大的优势。由贾秀萍博士等人提出的Extended Support Vector Machine(扩展支撑向量机)方法以合适的纯像元作为支撑向量，对混合像元给定所属类别的比例，得到软分类结果。在给定空间相关性的前提下，可以依据该方法得到的软分类结果进行混合像元分解并实现亚像元制图。然而，报告也指出由于遥感数据的特殊性，目前各种方法均存在一定的局限性，在实际应用中需要根据研究区域和数据的特点进行方法的选择。此外，特征的选择与提取也是遥感数据信息提取中一个十分重要的研究课题。

报告持续了大约一个半小时，报告后，贾秀萍博士与到场师生针对软分类方法的应用以及亚像元制图等议题展开了丰富热烈的互动讨论。

 

地表过程与资源生态国家重点实验室