基于多特征融合的遙感圖像分類研究.pdf

1、遙感圖像分類一直是遙感研究領域的重要內容，如何解決多類別遙感影像分類識別并滿足一定的精度，是遙感圖像研究中的一個關鍵問題。遙感圖像的計算機分類是通過計算機對遙感圖像像素進行數(shù)值處理，達到自動分類識別地物的目的。由于同物異譜及異物同譜現(xiàn)象的存在，計算機遙感影像分類精度受到了較大影響。改進現(xiàn)有分類方法，對地物進行精確提取對國土資源監(jiān)測及土地利用規(guī)劃具有十分重要的意義。
　　本文以石家莊市區(qū)的TM遙感數(shù)據(jù)為研究對象，基于紋理特征、光譜特

2、征和空間特征構建多特征影像集，應用最大似然分類法、支持向量機法和決策樹分類法對研究區(qū)進行了基于多特征融合的分類實驗及精度分析。首先，對紋理特征提取方法進行對比和分析，選擇了灰度共生矩陣的方差法和Gabor濾波器的Gist特征為紋理特征，利用最佳指數(shù)法對二者進行對比，結果表明Gist特征比傳統(tǒng)的紋理特征性能更優(yōu)越；其次，基于遙感影像提取了反映光譜特征的植被指數(shù)（NDVI）、纓帽變換分量和主成分分量，并引入數(shù)字高程模型表達空間特征。按照特征

3、性質進行隨機組合，分析各特征組合下分類樣本的J-M距離，構建了最優(yōu)分類特征組合；最后，對多特征融合遙感圖像進行了最大似然和支持向量機分類并基于分類特征構建決策樹模型，對地物進行了分層提取。精度分析結果表明，分類特征對遙感分類精度的提高具有積極作用，基于多特征的影像分類精度較之原始影像均有所提高，三種分類方法所得實驗結果顯示，決策樹分類法最優(yōu)，精度為87.33％，kappa系數(shù)為0.8454；其次是支持向量機法，精度為85.33%，kap