主成分等变换及组合分类在半湿润流域的应用 |
| |
作者单位: | ;1.河海大学地球科学与工程学院 |
| |
摘 要: | 以东湾流域为研究区,首先对TM影像进行主成分分析(PCA),缨帽变换,色调、亮度、饱和度彩色变换(HIS),并求得归一化植被指数、归一化建筑指数、归一化水体指数、归一化裸土指数、归一化阴影指数和第四波段灰度共生矩阵纹理特征,构造了新的特征影像;然后对其分别进行PCA、独立主成分分析(ICA)、最小噪声分离(MNF)3种变换;再对变换后的结果分别进行最大似然法、神经网络以及支持向量机(SVM)分类,以研究不同变换、不同分类方法的差异。提出了一种新的降低特征相关性的方法,并确定了最有效的一种分类—变换组合。结果表明,新特征降维方法的分类精度达到了93.457%,而单一特征降维方法最高分类精度为91.955%,证明该方法能更有效地提取影像特征。
|
关 键 词: | PCA ICA MNF 特征组合 监督分类 东湾流域 |
Application of PCA,ICA, MNF Transform and Combination Classification Methods for Semi-humid Basin |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|