基于独立分量分析的高光谱遥感影像决策树分类.pdfVIP

JournalofComputerApplications ISSN 1001—9081 20l2．02．0l 计算机应用，2012，32(2)：524—527 C0DENJYIIDU http：／／www．joca．cn 文章编号 ：1001—9081(2012)02—0524—04 doi：10．3724／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yanlm@163．con) 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 “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一1Hyperion高光谱遥感影像 ，采用独立分量分析 (ICA)和决策树分类 (DTC)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 ICA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阈值设定判 别规则，建立DTC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，前者可达89．34％，高出后者 18．8％；从单一地物的分类精度看，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．DTC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：TP751．1 文献标志码：A Decision treeclassificationofhyperspectralremote sensingimagerybasedon independentcomponentanalysis LIN Zhi．1ei．YAN Lu．ming (CollegeofGeographicalSciences，FufianNormalUniversity,FuzhouFujian350007，China) Abstract：Hyperspectralremotesensingimagerycontainsabundantspectralinformationbecauseofitsnumerousbands， butitalso causesthecurseofdimensionality．How toresolve thisconflictand improvethe classification accuracyof hyperspectralremotesensingimagery isthemajorconcern．Therefore，thethesisproposedICA—DTCmodelthatcombined IndependentComponentAnalysis(ICA)withDecisionTreeClassifier(DTC)toresearchthehyperspectralimagery classificationbasedon EO一1Hyperion．First， 1CA wasappliedtocarryon thefeatureextraction on hyperspectralremote sensingimagery．Basedonthis，thecharacteristiccomponentsandothergeographyauxiliaryelementswereselected astest variables，thea