欢迎来到天天文库
浏览记录
ID:33426806
大小:620.43 KB
页数:4页
时间:2019-02-25
《基于独立分量分析的高光谱遥感影像决策树分类》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、万方数据Jo哪al0fComputerApplications计算机应用,2012,32(2):524—527ISSN1001.908lCODENJYlIDU2012.02.01http:∥www.joca.cn文章编号:100l一908l(2012)02一0524一04doi:10.372.4/SP.J.1087.2012.00524基于独立分量分析的高光谱遥感影像决策树分类林志垒,晏路明。(福建师范大学地理科学学院,福州350007)(·通信作者电子邮箱ymlm@163.com)摘要:为解决高光谱遥感影像波段众多所带来的信息丰富与“
2、维数灾难”间的矛盾并提高分类精度,针对传统特征选择方法信息损失大的缺陷,基于EO.1Hype血n高光谱遥感影像,采用独立分量分析(ICA)和决策树分类(D1℃)方法联合运作流程,开展影像的地物分类实验研究,提出了IcA-DTc模型。首先运用lcA方法对影像进行特征提取,并以所提取的独立分量特征及其他地理辅助要素组成分类指标集;继而选择适当的指标组合和闽值设定判别规则,建立D1rc模型进行影像的地物分类;最后将分类结果与传统最大似然分类法进行比对。结果显示:从分类的总体精度看,前者可述89.34%,高出后者18.8%;从单一地物的分类精度
3、看,前者仅水体的精度略低于后者,而其他11种地物的精度都高于后者。理论分析与实验结果均表明,IcA-D’rc模型可有效提高复杂地形条件下的地物分类精度。关键词:高光谱影像;独立分量分析;特征提取;决策树分类中图分类号:7rIy751.1文献标志码:ADecisiontreedassincationofhyperspectmlremotesensingimagerybasedOnindependentcomponentanalysisLINZhi.1ei,YANLu.ming。(coz妇PD,侥删面越&话,∞,凡如,lⅣom甜‰iMs魄n
4、∞b“凡洳n350007,Ch泐)Abst豫ct:Hyperspectralrelnotesen8jngimagerycontainsabund蛳tspect珀li血舢ationbeca∞eofitsnuI№rol坞baIlds,butitalsocausesthecurse0fdimen8ionaIity.Howto陀soIve山iscofl
5、1ict柚dimpmvethecl鹊sificationacc啪cy0fhyperspectralremotesensingimageryisthemajorconcem.Therefore,t
6、IlethesisproposedICA一∥rCmodelthatc鲫binedIndependentComponentAnalysis(ICA)witIlDecisionr11reeCIassmer(∥I'C)toI℃searchtllehyperspect飓limagerycl鹪s击cationb晒edonE0-lHyperion.First,ICAw鹊印pliedtocarry佣tllef毫atureextraction明hype碍pectralr;emotesensingim蹭ery.Basedontllis,tIIechara
7、cteristiccomponentsandothergeogmphy叫】【iliaryeleInent8we阳selected鹪testv丽ables,小eappmpriateth陀sholdwasseIectedto鸵tdiscriminatingnlle,舳dt
8、Ie【)TCmodelw鹧estabIishedtoclassi每hyperspectralremotesensingimagery.ThentheresultsobtainedbytIlismethodwerecompa陀d衍thtllatobtainedbytraId
9、itionalmaxim砌hkelih00dclass讯cation.TheexperimentalresultsshowthatICAcaIlextractn帆linearcharacteristics缸粕su而Bcefeatur∞weU锄dICA-DCTmodelc曲e‰ctivelyimprove山ecL鹪sificationaccur∞yofsud砬efeatu陀sundercomplexte删n.1nte硼of出etotalcl脑si6cationaccuracy,nlefo珊erisupto89.34%,18.8%hi曲er
10、th柚tllelatter.1ntem璩oftllecl鹊sificationacc嗽cyofasindes山{如efeature,thefo珊erisonlyslightlylowertIl习mtIIel
此文档下载收益归作者所有