面向对象的遥感影像单类分类.docVIP

面向对象的遥感影像单类分类 　　摘 要： 在遥感影像中只提取其中的一个特定类别，称为单类分类。结合面向对象分析方法，采用单类分类器提取影像中的兴趣类别。首先，探讨了面向对象遥感影像数据的分布特征和分割参数选择问题；然后，基于分割产生的影像对象，利用单类支持向量机方法，提取遥感影像中的特定类别信息。实验结果与基于像素的单类分类方法进行比较，表明结合面向对象的单类分类方法具有更高的分类精度。 　　关键词： 单类分类； 面向对象技术； 遥感影像； 支持向量机 　　中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2016）07?0048?03 　　Abstract： One?class classification is to extract a specific class in remote sensing image. In combination with the object?oriented analysis method， the one?class classifier is used to extract the interest class from the remote sensing image. The distribution characteristics of object?oriented remote sensing image data and segmentation parameter selection are discussed. And then， on the basis of image object generated from segmentation， the method of one?class support vector machine is used to extract the specific classification information in remote sensing image. The result of object?oriented one?class classification method is compared with the experimental result， it shows that the object?oriented one?class classification method has higher classification accuracy. 　　Keywords： one?class classification； object?oriented technology； remote sensing image； support vector machine 　　0 引 言 　　单类信息提取是遥感影像分类中的一种特殊情况，旨在提取影像中的某个特定的类别，例如植被、水田、水体、岩矿提取等[1?4]，都是单类信息提取问题。提取遥感影像中的特定类别信息，既可以采用传统的多类分类器，也可以使用单类分类器。采用传统的多类分类方法，需要采集影像中的所有地物类别样本对分类器进行训练；而使用单类分类方法，只需采集兴趣类别样本对分类器进行训练，分类结果也是提取单个的兴趣类别，即正类信息。单类分类是遥感影像信息提取的新方法，研究者提出的分类器主要有支持向量相关的方法、最大熵方法等[5?7]。典型的基于支持向量的方法是单类支持向量机（One?Class Support?Vector Machine，OCSVM）[5]。OCSVM方法适合高维空间数据处理，但是在实际应用中需要设置较多的自由参数，而且分类结果对参数敏感。另一个基于支持向量的方法是 Transductive SVM（TSVM）方法[6]，该方法的特点是除了兴趣类别样本外，还要利用未标记样本对分类器进行训练。支持向量相关的方法还有SVDD方法（Support Vector Data Description，SVDD）[8?9]，其主要思想是利用包含正类样本的尽可能小的超球进行判别，SVDD和OCSVM方法类似，具有小样本训练的优势，其主要问题也是分类结果对参数设置敏感。近几年提出的单类分类方法还有PUL（Positive And Unlabeled Learning）算法[10]和MAXENT方法[7]，两种方法用于提取高分辨率遥感影像中的单类信息，实验表明分类精度高于OCSVM方法。 　　在遥感影像分析中，面向对象思想是首先将影像分割成匀质区域即对象，然后以这些匀质区域为单元进行遥感影像的处理与分析[11?12]。与以往基于单个像素的方法相比，由于图像区域的生成过程中不仅考虑像素的光谱信息