遥感信息
遙感信息
요감신식
2007年
5期
61-64,插页3
,共5页
朱秀芳%潘耀忠%顾晓鹤%韩立建%王双%庞新华
硃秀芳%潘耀忠%顧曉鶴%韓立建%王雙%龐新華
주수방%반요충%고효학%한립건%왕쌍%방신화
多分类器系统%支持向量机(SVM)%最大似然分类%分类自校正方法
多分類器繫統%支持嚮量機(SVM)%最大似然分類%分類自校正方法
다분류기계통%지지향량궤(SVM)%최대사연분류%분류자교정방법
遥感图像分类是遥感图像研究的主要内容之一,分类精度高低直接关系到遥感数据的可靠性和实用性.多分类器系统可以提高单分类器分类的精度,但往往要求组成的子分类器分类误差相互独立,子分类器选择困难.支持向量机是新发展起来的一种非参数分类器,其分类原理和传统的基于统计的分类方法不同,表现出一定的独立性.为此本文尝试基于支持向量机和目前使用最广泛的最大似然法,构建一个性能高效且组合方式简单的复合分类器(称为遥感影像分类自校正方法).同时,为了验证该分类器的性能,在北京市2006年4月27日的SPOT2图像上选择了一个研究区,分别利用最大似然法、支持向量机法和分类自校正方法进行分类对比试验.结果显示分类自校正方法的总体分类精度最高,比最大似然法和支持向量机法分别提高了4.35%和6.6%,而且各种地物类型的分类精度相对最大似然和支持向量机法都有提高.本文提出的分类自校正方法是一种性能高效且操作简单的分类方法.
遙感圖像分類是遙感圖像研究的主要內容之一,分類精度高低直接關繫到遙感數據的可靠性和實用性.多分類器繫統可以提高單分類器分類的精度,但往往要求組成的子分類器分類誤差相互獨立,子分類器選擇睏難.支持嚮量機是新髮展起來的一種非參數分類器,其分類原理和傳統的基于統計的分類方法不同,錶現齣一定的獨立性.為此本文嘗試基于支持嚮量機和目前使用最廣汎的最大似然法,構建一箇性能高效且組閤方式簡單的複閤分類器(稱為遙感影像分類自校正方法).同時,為瞭驗證該分類器的性能,在北京市2006年4月27日的SPOT2圖像上選擇瞭一箇研究區,分彆利用最大似然法、支持嚮量機法和分類自校正方法進行分類對比試驗.結果顯示分類自校正方法的總體分類精度最高,比最大似然法和支持嚮量機法分彆提高瞭4.35%和6.6%,而且各種地物類型的分類精度相對最大似然和支持嚮量機法都有提高.本文提齣的分類自校正方法是一種性能高效且操作簡單的分類方法.
요감도상분류시요감도상연구적주요내용지일,분류정도고저직접관계도요감수거적가고성화실용성.다분류기계통가이제고단분류기분류적정도,단왕왕요구조성적자분류기분류오차상호독립,자분류기선택곤난.지지향량궤시신발전기래적일충비삼수분류기,기분류원리화전통적기우통계적분류방법불동,표현출일정적독립성.위차본문상시기우지지향량궤화목전사용최엄범적최대사연법,구건일개성능고효차조합방식간단적복합분류기(칭위요감영상분류자교정방법).동시,위료험증해분류기적성능,재북경시2006년4월27일적SPOT2도상상선택료일개연구구,분별이용최대사연법、지지향량궤법화분류자교정방법진행분류대비시험.결과현시분류자교정방법적총체분류정도최고,비최대사연법화지지향량궤법분별제고료4.35%화6.6%,이차각충지물류형적분류정도상대최대사연화지지향량궤법도유제고.본문제출적분류자교정방법시일충성능고효차조작간단적분류방법.
