高分辨率影像面向對象分類特征選擇方法研究.pdf

1、面向對象分類方法是適合于高空間分辨率影像信息提取的技術之一,主要包括最鄰近和隸屬度函數(shù)兩種分類方法,具有小樣本和高維特征的特點。其中,面向對象隸屬度函數(shù)的模糊分類更是適合于研究范圍較大影像區(qū)域。實際應用隸屬度函數(shù)分類時,一般是針對研究區(qū)遙感影像的特點,根據(jù)經(jīng)驗知識,人為的分析和嘗試極少量的特征,以分類結果好壞決定是否選用該特征。顯然這種方式具有一定的主觀性和盲目性,缺乏科學性和實用性,選取的特征難以保證分類的精度與速度。本文依托“十二五

2、”計劃中“高分數(shù)據(jù)土地利用要素快速提取技術”課題,針對隸屬度分類的特征選擇進行了以下研究。
　　1.提出了去除初始特征空間中無關特征的特征選擇算法。該算法針對面向對象分類小樣本的特點,分別從樣本的隨機選擇、KNN去噪和迭代次數(shù)的確定三方面,改進國內外公認較好的特征選擇算法Relief系列算法。本文利用該算法從初始63維特征中選擇出25維相關特征。實驗結果表明,改進 Relief算法,更適用小樣本數(shù)據(jù)的面向對象分類特征選擇,具有較強

3、去除無關特征的能力,不限制數(shù)據(jù)類型的特點,可以初次降低特征維數(shù),一定程度上避免了“維數(shù)災難”,為后續(xù)的J-M距離提供高質量的相關特征;
　　2.提出了改進Relief算法與J-M距離組合模式的面向對象分類的特征選擇算法。本算法特征選擇的思想是:利用改進Relief算法獲取相關特征集,在此基礎上,再利用J-M距離獲取基于相關集上類別間的分離度,針對每種地物類別將分離度高的特征選出。實驗結果也表明,利用該特征選擇算法,可以很容易獲取,

4、每類典型地物類型分層提取時對應的特征,提高面向對象隸屬度函數(shù)分層分類時的效率;無論是從分類精度角度,還是從分類效率的角度都驗證了本文特征選擇算法的有效性。本文提出的特征選擇方法可以有效選取特征,縮小特征范圍,縮短了分類時間,具有一定的研究意義和應用價值;
　　3.設計與實現(xiàn)了面向對象分類的特征選擇算法。為了驗證上述方法的有效性和正確性,本文基于Microsoft.NET Framework2.0/COM技術,設計并實現(xiàn)了面向對象分