基于Landsat-8卫星OLI遥感影像和AdaBoost算法的水体信息提取     

《测绘地理信息》2017,(3)

以红碱淖地区为研究对象,基于AdaBoost算法,将Landsat-8卫星OLI遥感影像谱间关系、NDVI、NDWI和KT变换wetness等特征相结合,构造提取水体的强分类器,实现水体的快速精确提取。结果表明,组合后的分类器能有效提高单个分类器的分类精度,平均分类精度提高了5.15%。该算法说明了Landsat-8遥感影像的水体信息提取的可行性,为快速精确提取水体信息提供了新思路。  相似文献   

基于Landsat的多分类器集成遥感影像分类   总被引：1，自引：0，他引：1  

陈洋波  窦鹏  张涛 《测绘科学》2018,(8):97-103,109

针对传统的单分类器分类精度低,难以满足遥感影像分类精度要求高的问题,该文提出了一种多分类器集成分类方法。该方法有效地将支持向量机算法、C4.5决策树算法和人工神经网络算法进行了组合,实现了多种分类器集成的优势互补,在提高单个类别分类精度的基础上实现了整体精度的提高。该文基于Landsat遥感影像,利用多分类器集成分类技术,获取广州市自1987年以来的土地利用/地表覆盖数据,以平均3年为一个时段,共制作11期数据。实验结果表明,产品分类的平均精度达到88.12%,Kappa系数平均值达到0.868,高于3种基分类器的分类精度,对各种地物的分类精度也明显提高。  相似文献   

改进支持向量机算法无人机影像信息精确提取     

马潇潇  张光胜  李长春  慎利 《测绘科学》2015,40(3):47-51

支持向量机(SVM)算法作为一种成功应用于大多数遥感影像的分类方法,虽然具有较高的提取精度,但是针对分类中仅仅采用单一参数,严重依赖于参数选择的不足,该文基于AdaBoost算法提出一种改进的SVM分类方法。该方法采用选择径向基函数作为核函数的SVM算法作为AdaBoost的弱分类器,实现了核参数的自适应调整。实验结果证明,该方法可以达到精确提取无人机影像信息的目的。  相似文献   

基于AdaBoost算法的遥感影像水体信息提取     

李长春  张光胜  慎利 《测绘科学》2013,38(2)

AdaBoost算法利用每个特征构造一个简单分类器,然后将简单分类器进行训练组合成一个强分类器。算法能够充分利用每个分类器的优势并避免其劣势,得到一个最佳判别,达到提高分类精度的目的。本文利用TM影像,将影像各波段灰度、水体指数和谱间关系特征相结合,构成提取水体的强分类器,实现水体提取。实验结果表明,算法能够非常有效地、高精度地提取水体信息。  相似文献   

基于AdaBoost算法的遥感影像水体信息提取     

李长春  张光胜  慎利 《测绘科学》2013,(2):104-105,124

AdaBoost算法利用每个特征构造一个简单分类器,然后将简单分类器进行训练组合成一个强分类器。算法能够充分利用每个分类器的优势并避免其劣势,得到一个最佳判别,达到提高分类精度的目的。本文利用TM影像,将影像各波段灰度、水体指数和谱间关系特征相结合,构成提取水体的强分类器,实现水体提取。实验结果表明,算法能够非常有效地、高精度地提取水体信息。  相似文献   

基于多分类器组合的遥感影像分类方法研究   总被引：2，自引：0，他引：2  

彭正林  毛先成  刘文毅  何美香 《国土资源遥感》2011,(2):19-25

针对遥感影像分类特点,提出了一种基于多分类器组合的遥感影像分类方法.该方法选取分类性能以及多样性最好的马氏距离、支持向量机(SVM)和最大似然等3种分类器作为子分类器,自定义规则对简单投票法、最大概率类别法以及模糊积分法进行组合,并以山西怀仁县为研究区,对基于航摄数字正射影像进行分类.结果表明,与单个子分类器中精度最高...  相似文献   

组合分类器及其在高光谱影像分类中的应用     

韩建峰  杨哲海 《测绘学院学报》2007,(3)

多分类器组合问题一直是模式识别和机器学习领域的研究重点。由于各分类器的分类结果有着互补信息,因而一般来说,组合分类方法总有着较单个分类器精度更高的分类结果。将组合分类方法引入到高光谱影像的分类过程中,并针对该类影像的特点,提出了混合组合策略。实验表明,将组合分类器用于高光谱影像的分类,可以得到较为理想的分类结果。  相似文献   

组合分类器及其在高光谱影像分类中的应用   总被引：3，自引：0，他引：3  

韩建峰  杨哲海 《测绘科学技术学报》2007,24(3):231-234

多分类器组合问题一直是模式识别和机器学习领域的研究重点.由于各分类器的分类结果有着互补信息,因而一般来说,组合分类方法总有着较单个分类器精度更高的分类结果.将组合分类方法引入到高光谱影像的分类过程中,并针对该类影像的特点,提出了混合组合策略.实验表明,将组合分类器用于高光谱影像的分类,可以得到较为理想的分类结果.  相似文献   

多分类器组合的遥感影像分类方法   总被引：1，自引：0，他引：1  

方文  李朝奎  梁继  胡焜豪 《测绘科学》2016,41(10):120-125

针对传统遥感影像分类方法效果不够理想,单一分类器各自存在不足等问题,该文提出了一种基于多分类器组合的遥感影像分类方法。采用级联和并联相结合的方式对多种子分类器进行组合;利用改进的基于先验知识的投票表决规则,实现遥感影像准确分类。以岳阳市TM遥感影像为例,采用多分类器组合方法进行分类处理,并将处理结果与单一分类器处理结果进行比较。通过误差矩阵对比可知,多分类器的Kappa系数精度高于单一分类器;对分类效果图进行对比分析,在细部效果方面多分类器分类效果优于单一分类器。研究结果表明:组合分类器的遥感影像分类效果明显优于单一分类器,且具有更好的扩展性。  相似文献   

基于多特征融合与典型降维方法的高光谱影像分类     

窦世卿  陈治宇  徐勇  郑贺刚  苗林林  宋莹莹 《测绘通报》2022,(4):32-36+50

高光谱影像的冗余信息给影像的分类效果带来一定的负面影响。本文利用CB法(CfsSubsetEval评估器结合Best-First搜索策略)与PCA变换两种降维方法,分别结合随机森林分类器对4种多特征融合方案(共8种组合)进行高光谱影像分类对比,基于分类的总体精度、Kappa系数探究提高高光谱影像分类的最佳组合方法。结果表明:①多特征融合可提升高光谱影像的分类效果,两种降维方法的分类精度均随地理特征、纹理特征、指数特征的加入而逐渐提高。②两种降维方法中,经CB法降维后的分类精度均比通过PCA变换降维的分类精度高。在构造的8种组合中,基于所有特征信息(光谱特征、地理特征、纹理特征、指数特征)的CB法分类精度最高,其总体精度为98.01%;Kappa系数为0.969 9。  相似文献