结合多分类器的遥感数据专题分类方法研究.PDFVIP

第 9卷 　第 5期 遥 　感 　学 　报 Vo l. 9 , No. 5 2005年 9 月 JOURNAL O F R EMO TE SEN SIN G Sep. , 2005 文章编号 : (2005) 结合多分类器的遥感数据专题分类方法研究 1 2 柏延臣 , 王劲峰 ( 1. 清华大学 环境科学与工程系 ,北京 　100084; 2. 中国科学院 地理科学与资源研究所 ,北京 　10010 1) 摘 　要 : 　采用标准的多分类器结合方法进行遥感图像的分类研究 。首先介绍了标准的多分类器结合的算 法 ,然后以 L and satTM 多光谱遥感数据的土地覆被分类为例 ,分别给出了抽象级上相同训练特征的多分类器 结合 、抽象级上不同训练特征的多分类器结合和测量级上的多分类器结合进行土地覆被分类的方法 ,并进行 了实例研究 。参与分类器结合的单个分类器包括最大似然分类器 ,最小距离分类器 ,马氏距离分类器 , KNN 分类器 ,多层感知器神经网络分类器 。分类器的分类精度用总体精度 、用户精度 、生产者精度 、kapp a 系数和 条件 kapp a 系数评价 。结果表明 ,每一种多分类器结合的分类方法都能够比较显著地提高总体分类精度 。文 章最后对不同多分类器结合方式的优缺点进行了分析 。 关键词 : 　遥感图像分类 ;多分类器结合 ;精度评价 中图分类号 : 　TP751. 1　　　文献标识码 : 　A 统计分布特征也是不同的 ,因此同样的分类方法下 , 1　引　言 不同类别的分类精度差别很大 ,而且这种差别随不 同的分类方法而不同。常常出现一些分类器对一部 区域到全球尺度的土地利用 、土地覆被等专题 分类别的分类精度高 ,而另一些分类器对另一部分 类别信息及其变化的提取是遥感数据最广泛的应用 类别分类精度高 。从这个意义上说 ,不同的分类器 领域 。这些专题类别信息一般通过对多光谱遥感数 之间可能有一定的互补性 。当前关于遥感数据分类 据进行计算机 自动分类实现 。目前最常用的遥感图 的研究大部分集中在发展新的分类器 ,而很少强调 像分类器包括最大似然分类器 ,最小距离分类器 ,马 利用现有分类器之间的互补性 ,通过适当的方法将 氏距离分类器 ,平行六面体分类器 , KNN 分类器和 现有的各种分类算法结合起来以提高分类精度 [ 6 ] 。 神经网络分类器等 [ 1, 2 ] 。但是 ,在实际应用中 ,对于 近年来 ,多分类器结合的思想以及关于多分类 特定的遥感数据 ,不同的分类器的分类精度不同 ,而 器结合方法的研究在模式识别领域逐渐兴起 ,并应 且同一个分类器对不同类别的分类精度也不同。一 用于信号处理 [ 8 ] , 手写体 的 自动识别 [ 9 ] 和指纹识 些科学家对各种分类器在遥感数据分类中的应用进 别 [ 10 ] 等多个领域 。多分类器的结合已经成为模式 行了比较研究[ 3—6 ] ,其基本结论是 :没有哪一个分类 识别领域的一个研究热点[ 11 ] ,并且在遥感图像分类 ( ) [ 7 ] 领域也逐渐得到应用 。如 , P inz