长江科学院院报
長江科學院院報
장강과학원원보
Journal of Yangtze River Scientific Research Institute
2015年
10期
121-125,133
,共6页
王新云%田建%郭艺歌%何杰
王新雲%田建%郭藝歌%何傑
왕신운%전건%곽예가%하걸
环境卫星%雷达图像%图像融合%分类决策树%支持向量机%图像分类
環境衛星%雷達圖像%圖像融閤%分類決策樹%支持嚮量機%圖像分類
배경위성%뢰체도상%도상융합%분류결책수%지지향량궤%도상분류
environmental satellite%radar image%image fusion%CART%SVM%image classification
为寻求一种有效的提高多源遥感数据土地覆被分类制图精度的方法,探讨了融合 HJ1B 和 ALOS /PALSAR图像进行遥感图像分类制图的方法。在对光学图像 HJ1B 和雷达遥感数据 ALOS /PALSAR 进行离散小波融合的基础上,应用分类决策树 CART(Classification and Regression Tree)算法对融合的图像进行了土地覆被分类制图,并将其分类结果与支持向量机 SVM(Support Vector Machine)分类结果进行对比。研究结果表明:将光学和雷达图像数据进行离散小波融合,采用分类决策树 CART 和支持向量机 SVM进行图像分类,CART 的分类精度要优于 SVM的结果。可见,在光学图像 HJ1B 和雷达数据 ALOS /PALSAR 融合的基础上,应用 CART 能有效进行地物识别,提高图像的分类精度。
為尋求一種有效的提高多源遙感數據土地覆被分類製圖精度的方法,探討瞭融閤 HJ1B 和 ALOS /PALSAR圖像進行遙感圖像分類製圖的方法。在對光學圖像 HJ1B 和雷達遙感數據 ALOS /PALSAR 進行離散小波融閤的基礎上,應用分類決策樹 CART(Classification and Regression Tree)算法對融閤的圖像進行瞭土地覆被分類製圖,併將其分類結果與支持嚮量機 SVM(Support Vector Machine)分類結果進行對比。研究結果錶明:將光學和雷達圖像數據進行離散小波融閤,採用分類決策樹 CART 和支持嚮量機 SVM進行圖像分類,CART 的分類精度要優于 SVM的結果。可見,在光學圖像 HJ1B 和雷達數據 ALOS /PALSAR 融閤的基礎上,應用 CART 能有效進行地物識彆,提高圖像的分類精度。
위심구일충유효적제고다원요감수거토지복피분류제도정도적방법,탐토료융합 HJ1B 화 ALOS /PALSAR도상진행요감도상분류제도적방법。재대광학도상 HJ1B 화뢰체요감수거 ALOS /PALSAR 진행리산소파융합적기출상,응용분류결책수 CART(Classification and Regression Tree)산법대융합적도상진행료토지복피분류제도,병장기분류결과여지지향량궤 SVM(Support Vector Machine)분류결과진행대비。연구결과표명:장광학화뢰체도상수거진행리산소파융합,채용분류결책수 CART 화지지향량궤 SVM진행도상분류,CART 적분류정도요우우 SVM적결과。가견,재광학도상 HJ1B 화뢰체수거 ALOS /PALSAR 융합적기출상,응용 CART 능유효진행지물식별,제고도상적분류정도。
In order to increase the accuracy of the land use and land cover (LULC)classification via multi-source remote sensing data,we explored an effective algorithm by fusion of HJ1B images from optical sensors and ALOS /PALSAR data from radar remote sensing.In the process of fusion,the discrete wavelet transform (DWT)was uti-lized.The land-cover classification mapping was performed by using the classification and regression tree (CART) approach.The classification result by CRT approach was compared with that by support vector machine (SVM)ap-proach.The results show that:1)through fusing HJ1B optical images with ALOS /PALSAR radar data,we obtain an overall Kappa coefficient (0.826 9)and total accuracy(85.60 %)by CRT approach,while by SVM approach the value is 0.816 7 and 84.82 %,respectively;2)in terms of classification accuracy,CRT approach is superior to SVM approach;3)by means of fusing optical images with radar data ,we can effectively carry out object recogni-tion and improve classification accuracy through applying CART approach.