结合KPCA和多尺度纹理的IKONOS遥感影像决策树分类

被引：6

作者：

谢丽军 ^{[1
]}

张友静 ^{[2
,1
]}

张子衡 ^{[1
]}

陈李家 ^{[1
]}

机构：

[1] 河海大学水文水资源学院

[2] 河海大学水文水资源及水利工程国家重点实验室

来源：

遥感信息 | 2010年 / 03期

基金：

国家自然科学基金重点项目;

关键词：

核主成分分析(KPCA); 多尺度纹理; IKONOS; 决策树;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

081002 ;

摘要：

城市地物类型多样,空间分布复杂,具有很强的非线性特征。核主成分分析(KPCA)通过将特征空间映射到高维核空间,可以表达图像像素间的高阶关系,因而可以提取图像的非线性特征,同时提供一组相互独立的主成分。本文在加入多尺度纹理特征的基础上,以应用地物分布的空间细节信息;且利用核主成分分析(KP-CA)方法对光谱和纹理量提取非线性特征信息,增大类别之间的可分性;并结合决策树分类方法对IKONOS遥感影像分类。实验结果表明:KPCA能很好提取地物之间的非线性特征,结合KPCA和多尺度纹理的决策树分类方法能有效地提取地物类型,提取精度为79.3%,KAPPA系数为0.763.

引用

页码：88 / 93

页数：6

共 18 条

[1] 结合多尺度纹理的高分辨率遥感影像决策树分类 [J].