VHSR图像基于分割对象分类器性能评价.pdfVIP

第 2 期 ,总第 76期 国　土 　资 　源 　遥 　感 No. 2 , 2008　 2008年 6月 15 日 R EM O TE SEN S IN G FO R LAN D R ESOU RC ES Jun. , 2008　 VH SR 图像基于分割对象分类器性能评价 1 2 1 2 于海洋 , 甘甫平 , 武法东 , 党福星 ( ( ) ) 1. 中国地质大学 北京 地球科学与资源学院,北京　100083; 2. 中国国土资源航空物探遥感中心,北京　100083 摘要 : 对比研究了平行六面体 、最近邻分类法 、最大似然法 、神经网络等经典分类算法以及近年来新发展的支持向 量机分类算法在基于分割对象的高分辨率遥感图像分类中的性能 ,详细分析了不同内积核函数对于支持向量机分 类的影响 。对两个试验区进行试验的结果表明 ,支持向量机分类算法分类精度得到明显改善 , 同时分类结果受参 数 、样本选择等影响较小 ,稳定性好 。 关键词 : 基于对象图像分析 ; 分类 ; IKONO S; Qu ickB ird; 高分辨率 ; SVM 中图分类号 : TP 75　文献标识码 : A 　　　文章编号 : 100 1 - 070X (2008) 02 - 0030 - 05 对象分类性能进行了评价 , 以选取适合于 VH SR 图 0　引言 像分割分类的分类器 。 ( 基于对象的图像分析 OB IA , Object - ba sed Im 1　图像分割 ) ( age A nalysis 技术在高分辨率遥感图像分类 V ery H igh Sp atial R e so lu tion , VH SR ) 中得到 了广泛应 图像分割算法一般是基于图像亮度值的不连续 用 [ 1～3 ] 。此方法具有较大的优势 ,分类过程中针对 性和相似性 [ 5 ] ,第一类是基于亮度的不连续变化分 的不再是一个个的像元 ,而是经过分割的目标对象 , 割图像 ,如图像的边缘 ,有微分算子 、霍夫变换 、形态 符合人类视觉认知时首先分离 目标然后识别的规 学处理等方法 ; 第二类是根据区域内部的一致性 , 律 ; 参加分类运算的数据量大大减少 ,计算量呈几 按照一定的准则将图像分割为不同的区域 , 阈值处 何级数下降 ,可选用较复杂的分类器 ; 分割后的目 理 、区域生长 、区域分离与合并等算法属于此类 。在 标对象的几何形状特征也可以参与到分类中 ,能够 此采用了一种形态学分水岭分割与区域合并相结合 进一步提高分类精度 ; 分割结果减少了椒盐噪声的 的方法 ,即首先对原始图像进行分水岭分割 ,能够较 影响 ,更适合于 GIS应用等 [ 4 ] 。 好的获取图像中目标的边缘特征 ,进一步通过区域 目前 ,基于分割对象的分类器选取研究相对较 合并去除过分割的影响 ,并控制分割对象的形状 。 少 。在基于对象的分类软件 Ecogn ition 中采用了