红外与毫米波学报
紅外與毫米波學報
홍외여호미파학보
JOURNAL OF INFRARED AND MILLIMETER WAVES
2014年
3期
311-317
,共7页
光谱特征%纹理特征%极化特征%集成学习%特征融合%分类
光譜特徵%紋理特徵%極化特徵%集成學習%特徵融閤%分類
광보특정%문리특정%겁화특정%집성학습%특정융합%분류
spectral features%textural features%polarimetric features%ensemble learning%feature integration%classification
针对多源遥感数据分类的需要,提出了一种基于全极化SAR影像、极化相干矩阵特征、光学遥感影像光谱和纹理的多种特征融合和多分类器集成的遥感影像分类新方法.对全极化PALSAR数据进行预处理和极化相干矩阵特征提取,利用灰度共生矩阵计算光学和SAR影像的对比度、逆差距、二阶距、差异性等纹理特征参数,并与光谱特征结合,形成6种组合策略.利用集成学习方法对随机森林分类器、子空间分类器、最小距离分类器、支持向量机分类器、反向传播神经网络分类器等分类器进行组合,对不同组合策略的遥感影像特征集进行分类.结果表明提出的基于多种特征和多分类器集成的新方法很好地利用了主被动遥感数据在不同地表景观类型提取上的潜力,综合了多种算法的优势,能够有效地提高总体精度和各类别的分类精度.
針對多源遙感數據分類的需要,提齣瞭一種基于全極化SAR影像、極化相榦矩陣特徵、光學遙感影像光譜和紋理的多種特徵融閤和多分類器集成的遙感影像分類新方法.對全極化PALSAR數據進行預處理和極化相榦矩陣特徵提取,利用灰度共生矩陣計算光學和SAR影像的對比度、逆差距、二階距、差異性等紋理特徵參數,併與光譜特徵結閤,形成6種組閤策略.利用集成學習方法對隨機森林分類器、子空間分類器、最小距離分類器、支持嚮量機分類器、反嚮傳播神經網絡分類器等分類器進行組閤,對不同組閤策略的遙感影像特徵集進行分類.結果錶明提齣的基于多種特徵和多分類器集成的新方法很好地利用瞭主被動遙感數據在不同地錶景觀類型提取上的潛力,綜閤瞭多種算法的優勢,能夠有效地提高總體精度和各類彆的分類精度.
침대다원요감수거분류적수요,제출료일충기우전겁화SAR영상、겁화상간구진특정、광학요감영상광보화문리적다충특정융합화다분류기집성적요감영상분류신방법.대전겁화PALSAR수거진행예처리화겁화상간구진특정제취,이용회도공생구진계산광학화SAR영상적대비도、역차거、이계거、차이성등문리특정삼수,병여광보특정결합,형성6충조합책략.이용집성학습방법대수궤삼림분류기、자공간분류기、최소거리분류기、지지향량궤분류기、반향전파신경망락분류기등분류기진행조합,대불동조합책략적요감영상특정집진행분류.결과표명제출적기우다충특정화다분류기집성적신방법흔호지이용료주피동요감수거재불동지표경관류형제취상적잠력,종합료다충산법적우세,능구유효지제고총체정도화각유별적분류정도.
