一种基于光谱角和光谱距离自动加权融合分类方法

被引:9
作者
余先川 [1 ]
安卫杰 [1 ]
吕中华 [1 ]
邹伟 [2 ]
机构
[1] 北京师范大学信息科学与技术学院
[2] 中国地质科学院矿产资源研究所
基金
北京市自然科学基金;
关键词
分类; 光谱角; 光谱距离; 遥感; 空间数据; QuickBird;
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
高分辨率遥感影像分类一直是业内研究的热点之一,考虑到影像地物光谱角和光谱距离在分类中具有较好的互补性,提出了一种基于光谱角和光谱距离自动加权融合的分类方法,对传统多分类器分类的融合策略进行改进,能够在训练阶段根据样本自动地调整好各分类器对各类别进行分类的权重系数,使得融合后的分类结果更加科学和准确。QuickBird影像的分类实验表明,方法的分类精度明显优于单纯的光谱角或距离法,可广泛用于各种高分辨率影像的分类识别。
引用
收藏
页码:33 / 36
页数:4
相关论文
共 13 条
[1]   基于SAM遥感影像的分类技术研究 [J].
王旭红 ;
贾百俊 ;
郭建明 ;
刘万青 ;
李红梅 .
西北大学学报(自然科学版), 2008, (04) :668-672
[2]   面向对象方法在SPOT5遥感图像分类中的应用——以北京市海淀区为例 [J].
曹宝 ;
秦其明 ;
马海建 ;
邱云峰 .
地理与地理信息科学, 2006, (02) :46-49+54
[3]   遥感图像分类应用研究综述 [J].
刘仁钊 ;
廖文峰 .
地理空间信息, 2005, (05) :11-13
[4]   结合多分类器的遥感数据专题分类方法研究 [J].
柏延臣 ;
王劲峰 .
遥感学报, 2005, (05) :555-563
[5]   遥感图像分类方法研究综述 [J].
李石华 ;
王金亮 ;
毕艳 ;
陈姚 ;
朱妙园 ;
杨帅 ;
朱佳 .
国土资源遥感, 2005, (02) :1-6
[6]   遥感图像分类方法的研究附视频 [J].
潘建刚 ;
赵文吉 ;
宫辉力 .
首都师范大学学报(自然科学版), 2004, (03) :86-91+80
[7]   基于神经网络的遥感影像分类研究 [J].
陈玉敏 .
测绘信息与工程, 2002, (03) :6-8
[8]   遥感影像分类方法比较研究 [J].
李爽 ;
丁圣彦 ;
许叔明 .
河南大学学报(自然科学版), 2002, (02) :70-73
[9]   人工神经网络在遥感数字图像分类处理中的应用 [J].
张宝光 .
国土资源遥感, 1998, (01) :23-29
[10]  
遥感与图像解译[M]. 电子工业出版社 , (美)ThomasM.Lillesand, 2003