基于独立分量分析的高光谱遥感影像决策树分类

《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