تصاوير ماهواره اي منابع عمده اي اط اطلاعات هستند و در زمينه هاي مختلفي همانند زمين شناسي و كشاورزي مور استفاده قرار مي گيرند. بنابراين زيادي براي استخراج اطلاعات از اين تصاوير صورت گرفته است و در اين راستا روشهاي متفاوتي توسعه يافته است. دو متد اصلي تفسير بصري و آناليز كمي وجود دارد. در ميان تكنيك هاي رقومي طبقه بندي روشي متداول و قوي براي استخراج اطلاعات محسوب مي شود. روشهاي متفاوتي براي طبقه بندي وجود دارد كه هر كدام مزايا و معايبي دارا مي با شند. متدهاي طبقه بندي استاندارد، پيكسلهاي را به عنوان المان اصلي در نظر مي گيرند و بر اساس اطلاعات طيفي به آنها بر چسب مي دهند. آشكار است كه اطلاعات طيفي به تنهايي نمي توانند دقت كافي براي تفسير نتيجه دهند. شايد روش بيشترين شبهت يكي از روشهاي متداول طبقه بندي است، فرضيه اوليه براي اجراي اين روش تساوي احتمالات اوليه تمامي پوششها مي باشد زيرا كه هيچگونه اطلاعاتي در مورد آنها موجود نمي باشد. هرچند كه نوع كلاس نشان دهنده بيشترين شباهت براي پيكسل مي باشد ولي خطاهاي كلاسه بندي اجتناب پذير نمي باشند. هدف از اين مقاله بهبود دقت طبقه بندي به روش بيشترين شباهت با استفاده از اطلاعات احتمال اوليه مي باشد. احتمال اوليه با استفاده از تقويم پوشش گياهي تخمين زده شده است.

كلمات كليدي:

بيشترين شباهت ، خطاهاي كلاسه بندي‌‌ ، احتمالات اوليه ، تقويم پوشش گيايهي