發(fā)布時(shí)間：2018-06-09 03:24

  本文選題：高光譜遙感 + 多分類器動(dòng)態(tài)集成　； 參考：《國土資源遙感》2017年02期

【摘要】：針對(duì)高光譜遙感影像分類面臨的小樣本、分類器不穩(wěn)定等問題,在總結(jié)現(xiàn)有多分類器動(dòng)態(tài)集成算法的基礎(chǔ)上,提出了一種利用空間和光譜信息的多分類器動(dòng)態(tài)集成算法。首先,采用支持向量機(jī)等5個(gè)基分類器構(gòu)建多分類器集合;其次,計(jì)算各個(gè)分類器的分類結(jié)果,將大多數(shù)分類器分類一致的像元列入樣本數(shù)據(jù);最后,根據(jù)待分類像元的鄰域像元的標(biāo)簽分類情況,動(dòng)態(tài)地選擇合適的方式進(jìn)行分類器集成。該算法只在空間鄰域信息滿足一定條件的情況下,才采用空間和光譜信息結(jié)合的方法進(jìn)行處理,即利用空間信息提高算法的靈活性。采用2幅不同傳感器的高光譜遙感影像數(shù)據(jù)對(duì)算法進(jìn)行實(shí)驗(yàn),并與現(xiàn)有5種多分類器動(dòng)態(tài)集成算法進(jìn)行對(duì)比分析。結(jié)果表明,本文提出的多分類器動(dòng)態(tài)集成算法可以保持較高的分類精度,并能有效提升高光譜遙感影像分類的穩(wěn)定性,對(duì)于推動(dòng)高光譜遙感精細(xì)分類研究具有一定的理論和實(shí)用價(jià)值。
[Abstract]:Aiming at the problems of small sample and unstable classifier in hyperspectral remote sensing image classification, a dynamic ensemble algorithm based on spatial and spectral information is proposed on the basis of summarizing the existing multi-classifier dynamic ensemble algorithms. First of all, support vector machine and other five basis classifiers are used to construct multi-classifier sets. Secondly, the classification results of each classifier are calculated, and most of the pixels that are consistent in classifier classification are included in the sample data. According to the label classification of neighboring pixels of the pixel to be classified, a suitable method is dynamically selected for classifier integration. The method of combining spatial and spectral information is used to improve the flexibility of the algorithm only if the spatial neighborhood information meets certain conditions. Two hyperspectral remote sensing image data of different sensors are used to test the algorithm, and compared with five existing multi-classifier dynamic ensemble algorithms. The results show that the proposed multi-classifier dynamic ensemble algorithm can maintain high classification accuracy and effectively improve the stability of hyperspectral remote sensing image classification. It has certain theoretical and practical value for promoting the research of hyperspectral remote sensing fine classification.
【作者單位】： 河海大學(xué)地球科學(xué)與工程學(xué)院;武漢大學(xué)測(cè)繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金項(xiàng)目“高光譜遙感影像多特征優(yōu)化模型與協(xié)同表示分類”(編號(hào):41571325);“基于共形幾何代數(shù)的高光譜遙感影像降維與分類”(編號(hào):41201341)共同資助
【分類號(hào)】：P237

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 周偉;馬洪超;;TM影像分類領(lǐng)域多分類器線性組合方法及差異性度量研究[J];黑龍江工程學(xué)院學(xué)報(bào);2006年04期

相關(guān)會(huì)議論文 前1條

1 張治國;賈永紅;;遙感影像智能多分類器融合模型[A];第十七屆中國遙感大會(huì)摘要集[C];2010年

相關(guān)碩士學(xué)位論文 前7條

1 王震;基于OLI影像的多分類器組合方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

2 靳志賓;gwk-NN并行遙感分類器的設(shè)計(jì)與實(shí)現(xiàn)[D];南京大學(xué);2013年

3 鮑蕊;光譜和空間特征聯(lián)合的高光譜遙感影像多分類器集成方法[D];南京大學(xué);2016年

4 王艷英;基于多分類器集成的土地覆被遙感分類研究[D];云南師范大學(xué);2014年

5 竇鵬;基于投票法的多分類器集成遙感影像分類技術(shù)[D];蘭州交通大學(xué);2014年

6 徐兆陽;基于多層次控制的多分類器融合遙感影像分類[D];遼寧工程技術(shù)大學(xué);2012年

7 張少佳;多分類器組合及其遙感分類研究[D];中南大學(xué);2010年

，

本文編號(hào)：1998644