资源描述：
《基于多特征遥感影像决策树分类》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、光电子·激光第21卷第5期2010年5月JournalofOptoelectronics·LaserVol.21No.5May2010①3基于多特征的遥感影像决策树分类33潘琛,林怡,陈映鹰(同济大学测量与国土信息工程系,遥感与空间信息技术研究中心,上海200092)摘要:构建了一种基于多特征的遥感影像决策树分类方法。通过对遥感影像进行波段代数运算、主成分分析和图像分割等处理,提取出影像上地物的光谱维特征、纹理特征和形状特征。在此基础上,结合试验区主要地物类型提纯后的训练样本集,采用C5.0决策树分类法进行影像分类,实现主要地物的空间分布专题信息提取,并利用该方法对Lan
2、dsat25TM影像进行了分类实验。结果表明,所提出的方法能够有效地提高分类精度。关键词:多特征;决策树分类;遥感影像;形状特征中图分类号:TP753文献标识码:A文章编号:100520086(2010)0520731206Decisiontreeclassificationofremotesensingimagesbasedonmulti2feature33PANChen,LINYi,CHENYing2ying(ResearchCenterofRemoteSensingandSpatialInformationTechnology,DepartmentofSurveyi
3、ngandGeoinfor2matics,TongjiUniversity,Shanghai200092,China)Abstract:Aclassificationmethodispresentedforremotesensingimages,whichusesC5.0decisiontreeclassifierbasedonmulti2feature.Thefeaturesofspectrum,textureandshapeintheimageareextractedwithaseriesofoperationssuchasalgebraicmanipulationo
4、fwavebands,principalcomponentanalysis,imagesegmentation,andsoon.Then,theextractionofthethematicinformationofprimaryground2objectdistributionisrealizedthroughacombinationofthepurifiedtrainingsamplesforeachclassandtheim2ageclassificationswithC5.0decisiontreeclassificationmethod.Finally,clas
5、sificationaccuracyandre2sultsarecomparedbetweenthismethodandtheconventionalclassificationmethods.Theanalyticalre2sultsshowthatthismethodcanimprovetheclassificationaccuracyefficiently.Keywords:multi2feature;decisiontreeclassification;remotesensingimages;shapefeature[3]等人基于LandsatETM+多时相卫星数
6、据探讨了决策树分1引言类器应用的可行性,并对Milford地区的DelawareWater国家遥感影像分类的最终目的是将图像中每个像元根据其在级度假休闲公园的11种土地覆盖类型进行了分类制图,结果不同波段的光谱亮度、空间结构特征或者其他信息特征,按照表明,决策树分类方法对于高空间分辨率土地覆盖和森林制图某种规则或算法划分为不同的类别。然而[4],由于“同物异谱”、领域应用具有实用性和可行性。McCauley等人以美国“同谱异物”现象的存在,单纯地利用光谱反射(辐射)特性或图Montgomerycounty地区为例,研究了决策树分类法在居住土像亮度值提取地物,尤其对于两类反
7、射特性相似的地物,势必地利用制图方面的应用,结果表明,这种方法在国家和地区政会造成分类的混淆和错误。因此,综合考虑图像上物体的光谱[5]府土地利用和规划制图方面具有很大的潜力。刘勇洪等人特征、纹理特征和形状信息等多种特征信息和其他辅助信息的以中国华北地区MODIS(250m分辨率)影像进行了土地覆盖遥感影像解译技术得到了广泛的研究和应用,是提高遥感信息[1,2]决策树分类试验与分析,研究结果表明,决策树在满足充分训提取精度与可靠性的有效方法。练样本的条件下,相对于传统方法能明显提高分类精度。20世纪90年代后期,数据挖掘技术的
