一种基于特征选择的面向对象遥感影像分类方法.pdf

第 16卷 第32期 2016年 11月 科 学 技 术 与 工 程 Vo1．16 No．32 Nov．2016 1671— 1815(2016)32—0107—07 ScienceTechnologyandEngineering ⑥ 2016 Sci．Tech．Engrg． 一 种基于特征选择的面向对象遥感 影像分类方法 王永吉 孟庆岩 杨 健 孙云晓 李 鹏 邢武杰 (中国矿业大学(北京)地球科学与测绘工程学院 ，北京 100083； 中国科学院遥感与数字地球研究所 ，北京 100101) 摘 要 针对GF一1多空间分辨率遥感数据空间信息丰富，传统影像分类方法无法满足实际应用需要的问题，提出了一种基 于特征选择的面向对象遥感影像分类方法——object—RJMC算法，即在影像分割及特征提取的基础上，运用ReliefF算法和J—M (Jefffies-Matusita)距离算法去除无关及冗余特征，筛选出适于各类别分类的特征，然后利用CART算法建立分类规则，完成分 类过程。以GF一1号2in、8ni和 16ITI空间分辨率的三组影像进行算法验证，并与object—CART和pixel—CART影像分类方法进 行对比分析。实验结果显示object—RJMC算法的分类精度均高于object—CART和pixel-CART算法的分类精度；且对高空间分 辨率的影像分类效果要优于对中低空间分辨率影像的分类效果。该算法减少了特征选择及规则建立的人工干预，克服 了以 像素为单位的分类算法中由于缺少空间邻域信息而产生孤立、离散、不连通分类结果的问题，可有效地提高 GF-1遥感影像分 类精度。 关键词 面向对象 特征选择 ReliefF算法 J—M(Jeffries—Matusita)距离 CART算法 中图法分类号 Tfy751．1； 文献标志码 A GF—l卫星较 GeoEye．1、IKONOS等国外高分 特征会增加运算复杂度，降低处理速度和分类的精 辨率卫星而言，突破了高空间分辨率、多光谱与宽覆 度 ，因此需要筛选适于分类类别的特征 。 盖相结合的光学遥感等关键技术的限制，除提供2 特征选择是寻找能有效识别 目标 的特征子 m全色和8m多光谱影像外，还提供 16m宽覆盖影 集 J，选择的特征结果直接影响分类精度和分类器 像。cF一1卫星多载荷的特点使其影像的地物空间 的泛化性能 J。肖艳等 针对面向对象土地利用 信息更为丰富，为信息提取带来新挑战…。传统分 分类特征维数过高的问题，提出了一种基于 ReliefF 类方法仅利用像元光谱信息，没有充分挖掘高分辨 和 PSO混合特征选择的方法，能够有效地用于面向 率卫星数据的优势。面向对象分类技术突破了像素 对象土地利用分类；余晓敏等 针对分离阈值法 级影像分类的局限性，集合临近像元为对象识别感 (SEaTH)仅从类间距离评价特征，没有考虑类 内距 兴趣的光谱要素，充分利用高分辨率全色和多光谱 离和特征之间相关性 的不足，提出了一种改进 的 数据的空间、纹理和光谱信息进行分割和分类，以得 SEaTH算法——IsEaTH，降低了特征维数，有效优 到高精度分类结果 ，实现了较高层次的遥感图像 化了特征空间；张颖娜等 ¨对 Re1ie 算法进行改 分类和 目标地物提取 。针对面 向对象分类，提 进 ，提出了基于对象的特征评价算法——ReliefFO 算法，结果表明此方法能有效优化面向对象分类的 取的特征数量庞大，所有提取的特征都应有效的用 特征空间；李杨等 ¨提出一种基于改进最大相关最 于分类 J，但 “维数灾难”的存在，冗余特征及无关