基于决策树方法的遥感影像分类-论文.pdf

《基于决策树方法的遥感影像分类-论文.pdf》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、第30卷哈尔滨师范大学自然科学学报第2期NATURALSCIENCESJ0URNALOFHARBINNORMALUNIVERSITY基于决策树方法的遥感影像分类王书玉，于振华，于丹丹，(1．黑龙江省普通高等学校地理环境遥感监测重点实验室；2．哈尔滨师范大学)【摘要】以齐齐哈尔市辖区为研究区域，利用分类回归树(ClassificationandRegressionTree，CART)算法从训练样本数据集中挖掘分类规则，集成遥感影像的光谱特征、纹理特征和地学辅助数据建立研究区的决策树模型．用实测的GPS样本点对分类结果进行精度验证，并与最大似然监督分类方法(MaximumL

2、ikelihoodClassification，MLC)进行对比．结果表明，基于CART的决策树分类结果的总精度和Kappa系数分别为82．24％和0．77，分类精度较MLC监督分类方法有明显提高，有较好的分类效果．【关键词】遥感影像；决策树分类；信息提取；CART算法原．东北与绥化市、东南与大庆市、南与吉林省白0引言城市、西与内蒙古自治区呼伦贝尔市、北与黑河遥感影像的分类一直是遥感技术领域研究市接壤．距省会哈尔滨市359km，距绥化市中的一项重要内容．传统分类方法一般为统计模0328km，距大庆139km、距白城市282km，距呼式识别法，但是由于“同物异谱”和“异物

3、同谱”伦贝尔市524km，距黑河市483km．地质构造属现象的存在，单纯利用地物光谱特征进行分类容于新华夏系第二沉降带和第三隆起带的交接处，易造成错分、漏分的结果，从而导致分类精度降嫩江大断裂贯通平原全境．地势北高南低，北部低j．众多研究表明，结合影像光谱信息、纹和西部是小兴安岭南麓，中部和南部为嫩江冲积理信息和其他辅助信息，可大大提高分类精度．平原．当前多光谱遥感影像具有大量信息，如地物的纹该研究试验区选择为齐齐哈尔市辖区部分理信息、几何知识、地物间邻近关系等，这些信息区域，位于北纬46。5245”～47。5227N，可辅助影像中地物信息的提取．该文将影像光谱123。

4、2320”一124。1012”E，所选数据为2006年特征、影像纹理特征等辅助地学特征作为决策树TM多光谱影像，分辨率为30m．以1：5万地形图分类的测试变量，采用分类回归树(Classification为参考，对试验区影像进行几何精校正，误差控andRegressionTree，CART)分类方法，对齐齐哈制在0．5个像元，几何校正方法采用二次多项尔部分市辖区的2006年TM遥感影像进行分式．类，并将分类结果与传统的最大似然法进行比较，挖掘基于CART算法的决策树分类方法在遥2研究方法感信息分类方面的优势．2．1分类回归树决策树(DecisionTree)分类法是归纳

5、式学1实验区概况及实验数据习法的一种，主要功能是由分类已知的事例来建齐齐哈尔市位于黑龙江省西南部的松嫩平立一树状结构，并从中归纳出事例的某些规律，收稿日期：2013—06—23哈尔滨师范大学自然科学学报2014年第3O卷TheClassificationofRemoteSensingImageBasedonDecisionTreeWangShuyu，YuZhenhua，YuDandan(1．KeyLaboratoryofGeographicEnvoimmentRemoteSensingMonitoringinUniversitiesofHeilongjiangProvi

6、nce；2．HarbinNormalUniversity)Abstract：Inthispaper，LandsatTMimagesofQiqiharcityinHeilongjiangwereclassifiedwithadecisiontree，whichwasestablishedbasedontheanalysisofthespectrumfeatures，andotherauxiliaryinformation，suchasNDVIandtopographycharacteristics．ClassificationandRegressionTrees(CART

7、)algorithmwasusedforminingclassificationrulesfromthetrainingsampledatasets．Thendecisiontreeclassificationwithmaximumlikelihoodclassificationwascompared．Theresultindicatedthattheaccuracyofdecisiontreeclassificationwasbetterthanthatofthemaximumlikelihoodclass洒cation．Keyword