基于共享特征的高分辨率遙感影像多層次分類研究.pdf

1、近年來,高分辨率遙感影像廣泛應用于農(nóng)業(yè)、林業(yè)、海洋、國土資源和環(huán)境監(jiān)測等多個領域,迫切要求人們對高分辨率遙感影像的信息提取進行研究。與中低分辨率遙感影像相比,高分辨率遙感影像具有豐富的形狀、結構和紋理信息,傳統(tǒng)的主要利用光譜信息的面向像元的分類方法已經(jīng)不能滿足高分辨率遙感影像的處理需求,近十年發(fā)展起來的面向對象的分類方法已成為高分辨率遙感影像處理的主要方法。高分辨率遙感影像細節(jié)足夠豐富,具有類內差異大、類間差異不明顯的特點,這給高精度的

2、多類分類帶來了挑戰(zhàn)。
　　傳統(tǒng)的多類分類算法,一般都是將所有類別的樣本同時輸入多類分類器進行訓練,然后利用訓練好的多類分類器對所有類別的測試樣本進行直接分類。這種多類樣本同時訓練再分類的方法將所有類別的樣本同等看待,忽略了不同類別樣本間的相關性以及每類樣本的獨特性,使得分類精度的提升受到了一定的限制。我們注意到,通常解譯專家在對遙感影像進行目視解譯時,不是對所有類別的樣本同時進行解譯,而是先把最容易區(qū)分的類別找出來,再找次容易區(qū)分

3、的類別,直至識別出所有的類別。另一方面,不同類別的影像對象可能共同具有某些相似特征,我們稱之為“共享特征”,它們可以作為區(qū)分這些共享特征的類別與其余類別的重要信息。
　　本文模擬人的這種目視解譯方式,提出一種基于共享特征的多級二叉樹分類算法,把多類分類問題劃分為多個兩類分類問題,每級兩類分類都利用GentleBoost算法提取“共享特征”,僅解譯一類目標,已解譯的類別不再參加后面的分類,利用這樣的逐步“淘汰”機制完成一幅遙感影像的