广西师范大学学报（自然科学版）
廣西師範大學學報（自然科學版）
엄서사범대학학보（자연과학판）
JOURNAL OF GUANGXI NORMAL UNIVERSITY(NATURAL SCIENCE EDITION)
2009年
4期
19-22
,共4页
王修信%秦丽梅%罗涟玲%农京辉%朱启疆
王脩信%秦麗梅%囉漣玲%農京輝%硃啟疆
왕수신%진려매%라련령%농경휘%주계강
遥感图像%城市分类%混合像元分解模型%神经网络法%决策树法
遙感圖像%城市分類%混閤像元分解模型%神經網絡法%決策樹法
요감도상%성시분류%혼합상원분해모형%신경망락법%결책수법
城市遥感图像分类是获取城市绿地空间分布状况的基础,然而混合像元的存在导致分类精度不高.因此,提出了混合像元分解模型结合神经网络法(MPD-NN法),利用其对北京市TM图像进行地物分类,并与较常用的决策树法分类结果比较,研究在图像现有空间分辨率的条件下提高城市分类精度.结果表明,MPD-NN法分类可较为有效地处理城市遥感图像存在的混合像元问题,可以提高城市分类精度,分类精度高于决策树法,其总体精度和Kappa精度均将近90%,水体、草地、农田、裸地、林地的分类精度在85%以上,高密度建筑区、低密度建筑区、水泥地的分类精度接近80%,也均高于决策树法,是遥感分类较精确识别城市下垫面地物的一种可行方法.
城市遙感圖像分類是穫取城市綠地空間分佈狀況的基礎,然而混閤像元的存在導緻分類精度不高.因此,提齣瞭混閤像元分解模型結閤神經網絡法(MPD-NN法),利用其對北京市TM圖像進行地物分類,併與較常用的決策樹法分類結果比較,研究在圖像現有空間分辨率的條件下提高城市分類精度.結果錶明,MPD-NN法分類可較為有效地處理城市遙感圖像存在的混閤像元問題,可以提高城市分類精度,分類精度高于決策樹法,其總體精度和Kappa精度均將近90%,水體、草地、農田、裸地、林地的分類精度在85%以上,高密度建築區、低密度建築區、水泥地的分類精度接近80%,也均高于決策樹法,是遙感分類較精確識彆城市下墊麵地物的一種可行方法.
성시요감도상분류시획취성시록지공간분포상황적기출,연이혼합상원적존재도치분류정도불고.인차,제출료혼합상원분해모형결합신경망락법(MPD-NN법),이용기대북경시TM도상진행지물분류,병여교상용적결책수법분류결과비교,연구재도상현유공간분변솔적조건하제고성시분류정도.결과표명,MPD-NN법분류가교위유효지처리성시요감도상존재적혼합상원문제,가이제고성시분류정도,분류정도고우결책수법,기총체정도화Kappa정도균장근90%,수체、초지、농전、라지、임지적분류정도재85%이상,고밀도건축구、저밀도건축구、수니지적분류정도접근80%,야균고우결책수법,시요감분류교정학식별성시하점면지물적일충가행방법.
