基于多分类器融合的遥感影像分类方法分析-analysis of remote sensing image classification method based on multi-classifier fusion.docxVIP

  • 13
  • 0
  • 约3.03万字
  • 约 10页
  • 2018-05-18 发布于上海
  • 举报

基于多分类器融合的遥感影像分类方法分析-analysis of remote sensing image classification method based on multi-classifier fusion.docx

基于多分类器融合的遥感影像分类方法分析-analysis of remote sensing image classification method based on multi-classifier fusion

目 录 摘 要 I Abstract II 1 绪 论 1 1.1 研究背景及意义 1 1.1.1 研究背景 1 1.1.2 研究意义 2 1.2 遥感影像分类研究现状 3 1.2.1 遥感影像分类 3 1.2.2 遥感影像计算机分类方法 3 1.3 论文主要技术路线及章节安排 5 1.3.1 技术路线 5 1.3.2 章节安排 6 2 遥感影像分类综述 8 2.1 遥感影像分类理论基础 8 2.2 分类器设计 10 2.2.1 影像特征 10 2.2.2 分类方法的选取 10 2.3 主要分类方法 11 2.3.1 监督分类方法 11 2.3.2 非监督分类方法 15 2.3.3 BP 神经网络法 16 2.4 基于混淆矩阵的精度评价方法 18 2.4.1 总体精度 19 2.5 本章小结 20 3 单一分类器遥感影像分类 21 3.1 样本采集 21 3.2 单分类器分类实验 22 3.2.1 最短距离分类方法 22 3.2.2 马氏距分类方法 23 3.2.3 贝叶斯分类方法 24 3.2.4 K-均值分类方法 25 3.2.5 BP 神经网络分类方法 25 3.3 分类后处理 26 3.4 单分类器分类精度对比分析 26 3.4.1 单分类器分类结果精度评价 26 3.4.2 单分类器分类精度对比分析 29 3.5 本章小结 30 4 多分类器融合遥感影像分类 32 4.1 多分类器融合理论 32 4.1.1 抽象级多分类器融合--投票法 33 4.1.2 测量级多分类器融合--Bayesian 平均方法 34 4.2 多分类器融合分类实验 35 4.2.1 抽象级的多分类器融合 36 4.2.2 测量级的多分类器融合 36 4.3 多分类器分类精度对比分析 38 4.3.1 多分类器融合实验混淆矩阵 38 4.3.2 多分类器融合精度分析 38 4.4 本章小结 40 5 总结及展望 42 5.1 研究成果 42 5.2 展望 42 参 考 文 献 44 作 者 简 历 46 学位论文数据集 47 - - PAGE 10 - 1 绪 论 1.1 研究背景及意义 研究背景 20世纪中后期遥感作为一门新兴学科的自然科学领域迅速的发展,揭开了人类从外 层空间观测地球、探索宇宙空间的序幕。遥感技术的关键之一就是遥感影像的分类处理。 目前为止在遥感分类应用中,较多的都是应用传统的模式识别分类方法,例如最小距离 法、平行六面体法、贝叶斯法等监督或非监督分类法。其分类结果由于遥感影像本身的 空间分辨率以及同物异谱、异物同谱现象的存在,而往往出现较多的分类错误。由此可 见,单一分类器分类后的影像数据通常不能提取足够的信息来满足某些应用的需要,它 所能提取的信息是有限的、不完整的。 20世纪末,一些科学家对各种分类器的表现进行了比较研究,特别是传统分类器和 神经网络分类器之间的比较研究,基本结论是:“没有哪一个分类器是——万灵丹”, 不同的分类器的分类精度是不同的。对于特定的遥感数据,同一分类器对部分类别分类 精度高,而对于其他类别分类精度低。当前遥感数据分类的研究大部分集中在发展新的 分类器,而很少强调利用现有分类器之间的互补性,通过适当的方法将不同的分类器之 间进行优势互补,往往可以得到比单个分类器更好的分类结果。 2000年6月在意大利Cagliari市召开了第一届多分类器系统国际会议,内容涉及多分 类器结合的理论问题,多分类器结合方法,多分类器系统设计问题以及多分类器结合在 各个模式识别问题中的应用。例如,Pinz and Bartl提出了一种简单的结合神经网络和最 大似然分类进行多光谱遥感数据分类方法;Wilkinson and Kanellopulos 提出了一种将神 经网络分类器和统计分类器结合进行遥感图像分类方法;Roli and Giacinto用多种方法将 统计分类器和神经网络分类器结合用于遥感图像分类;Giacinto et al通过将多个神经网 络分类器结合进行遥感图像软分类;Kumer等利用一种层次多分类器系统进行多光谱遥 感数据分类;Burzzone等结合参数和非参数分类器进行非监督的土地覆盖图更新;Wan 等通过结合多个自组织图神经网络进行遥感数据分类;Benediktsson等将多分类器系统 用于多源遥感数据分类等等[1];在学术方面,从2000年开始召开的国际会议MCS至今已 举办过6届,论文均被Springer出版;从1998年开始的由美国陆军研究部、IEEE信号处理 学会等多个学会共同发起每年召开一次的信息融合会议,至今已举办过9届。相关的新 理论、新思想出现于许多顶尖的国际杂志。这些使

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档