【摘要】：針對(duì)傳統(tǒng)單一分類器分類效果不夠理想,存在各自的不足,以及已有的多分類器級(jí)聯(lián)模型不能根據(jù)待識(shí)別樣本特征進(jìn)行動(dòng)態(tài)調(diào)整優(yōu)化等問題,提出了一種基于多分類器自適應(yīng)級(jí)聯(lián)模型的遙感影像分類方法。該模型選取各類別最優(yōu)分類器進(jìn)行級(jí)聯(lián)組合,以待識(shí)別樣本在整體性能最優(yōu)分類器的表現(xiàn)對(duì)類別最優(yōu)分類器作出自適應(yīng)調(diào)整,對(duì)高分辨率影像分割后的像斑對(duì)象輸出類別信息。以杭州區(qū)域高分二號(hào)遙感影像進(jìn)行分類試驗(yàn),結(jié)果表明,本文方法相比于單一分類器及已有的級(jí)聯(lián)模型具有更高的分類精度。
[Abstract]:Aiming at the problem that the traditional single classifier's classification effect is not ideal and there are their shortcomings, and the existing multi-classifier cascade model can not be dynamically adjusted and optimized according to the feature of the sample to be identified, etc. A method of remote sensing image classification based on multi-classifier adaptive cascade model is proposed. In this model, the optimal classifiers of each category are selected for cascading combinations, and the performance of the overall performance optimal classifier for the samples to be identified is adaptively adjusted to output the classification information of the image spot objects after the segmentation of high-resolution images. The classification experiment of Hangzhou region Gaofen 2 remote sensing image shows that the proposed method has higher classification accuracy than single classifier and existing cascade model.
【作者單位】： 中國(guó)礦業(yè)大學(xué);國(guó)家測(cè)繪地理信息局衛(wèi)星測(cè)繪應(yīng)用中心;
【基金】：國(guó)家自然科學(xué)基金(41371438)
【分類號(hào)】：P237

【相似文獻(xiàn)】

相關(guān)期刊論文 前3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

2 楊元喜;高為廣;;兩種漸消濾波與自適應(yīng)抗差濾波的綜合比較分析[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2006年11期

3 崔先強(qiáng);楊元喜;;分類因子自適應(yīng)抗差濾波[J];自然科學(xué)進(jìn)展;2006年04期

相關(guān)會(huì)議論文 前1條

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

相關(guān)博士學(xué)位論文 前1條

1 王玉著;地形自適應(yīng)的高精度河網(wǎng)提取及其典型應(yīng)用[D];中國(guó)地質(zhì)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前9條

1 王震;基于OLI影像的多分類器組合方法研究[D];中國(guó)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

8 王在峰;高性能GPS接收機(jī)干擾技術(shù)研究[D];西安電子科技大學(xué);2015年

9 秦瑞;基于空域的GPS抗干擾方法研究[D];中國(guó)民航大學(xué);2017年

，

本文編號(hào)：2301131