机器学习法在面向对象影像分类中的对比分析

被引：21

作者：

赵丹平 ^{[1
]}

顾海燕 ^{[2
]}

贾莹 ^{[3
]}

机构：

[1] 陕西商洛职业技术学院

[2] 中国测绘科学研究院

[3] 高德软件有限公司

来源：

测绘科学 | 2016年 / 10期

关键词：

面向地理对象影像分类; 地表覆盖分类; 地理国情普查; 多尺度分割; 特征重要性分析; 决策树; 支持向量机; 随机森林;

D O I：

10.16251/j.cnki.1009-2307.2016.10.036

中图分类号：

P237 [测绘遥感技术];

学科分类号：

1404 ;

摘要：

针对如何选择遥感影像面向地理对象分类方法的问题,该文面向地理国情普查中的地表覆盖分类应用,以3个典型区域(山区、平原、城区)的多源高分辨率遥感影像为实验数据,从分类效果、分类精度等方面对比分析3种分类方法(支持向量机、决策树、随机森林)的优劣。在相同影像分割、特征提取、样本采集条件下,通过333组分类实验,得出以下规律:支持向量机分类方法稳定性强,分类速度快,但对特征数的要求高,特征数目与总体精度、地物环境之间的规律性不强,从而增加了特征提取与选择的难度,而随着特征的增加,决策树、随机森林的总体分类精度均为先升高后降低,最后趋于平衡。最后,综合随机森林对特征的优选机制和支持向量机的高分类精度,得到新的组合分类器。

引用

页码：181 / 186

页数：6

共 9 条

[1] 面向地理对象影像分析技术的研究进展与分析
顾海燕
李海涛
闫利
韩闪闪
[J]. 遥感信息, 2014, 29 (04) : 52 - 57
[2] 基于随机森林的国产小卫星遥感影像分类研究
刘毅
杜培军
郑辉
夏俊士
柳思聪
[J]. 测绘科学, 2012, (04) : 194 - 196
[3] 基于决策树分类的地表覆盖遥感信息提取
翁中银
何政伟
于欢
[J]. 地理空间信息, 2012, 10 (02) : 110 - 112+182
[4] 基于多尺度特征融合和支持向量机的高分辨率遥感影像分类
黄昕
张良培
李平湘
[J]. 遥感学报, 2007, (01) : 48 - 54
[5] 基于SVM决策支持树的城市植被类型遥感分类研究
张友静
高云霄
黄浩
任立良
[J]. 遥感学报, 2006, (02) : 191 - 196
[6] Geographic Object-Based Image Analysis – Towards a new paradigm[J] . Thomas Blaschke,Geoffrey J. Hay,Maggi Kelly,Stefan Lang,Peter Hofmann,Elisabeth Addink,Raul Queiroz Feitosa,Freek van der Meer,Harald van der Werff,Frieke van Coillie,Dirk Tiede.ISPRS Journal of Photogrammetry and Remote Sensin . 2014
[7] A comparison of pixel-based and object-based image analysis with selected machine learning algorithms for the classification of agricultural landscapes using SPOT-5 HRG imagery[J] . Dennis C. Duro,Steven E. Franklin,Monique G. Dubé.Remote Sensing of Environment . 2011
[8] Object-oriented mapping of landslides using Random Forests
Stumpf, Andre
Kerle, Norman
[J]. REMOTE SENSING OF ENVIRONMENT, 2011, 115 (10) : 2564 - 2577
[9] Evaluation of Random Forest and Adaboost tree-based ensemble classification and spectral band selection for ecotope mapping using airborne hyperspectral imagery
Chan, Jonathan Cheung-Wai
Paelinckx, Desire
[J]. REMOTE SENSING OF ENVIRONMENT, 2008, 112 (06) : 2999 - 3011

← 1 →