基于mGA-SVM算法的高分影像面向对象分类研究

摘要：

高分辨率遥感卫星影像是获取地物精细类别的重要数据源,快速准确地获取土地利用和土地覆盖分类信息可为土地利用规划、土地管理等提供重要的数据支撑和决策依据.本文开展了高分辨率影像面向对象分类研究,首先,利用多尺度分割方法对高分辨率影像进行分割,基于分割对象,选取不同地物类别样本并计算光谱特征、纹理特征、几何特征.然后,针对特征冗余问题,利用最大相关最小冗余算法选择优先级较高特征,在此基础上结合遗传算法对特征集进行适当扩充(mGA).在面向对象分类过程中,通过利用遗传算法对支持向量机模型进行快速参数寻优,并在此基础上对分割对象进行分类.最终地物总体精度达到85.93％,Kappa系数为0.8282.并将分类结果与最近邻分类和随机森林分类结果进行了比较,地物分类精度提高了4.05％和6.81％.实验结果表明:基于mGA特征优化及SVM参数选择进行改进的面向对象的分类方法是有效的.

关键词：最大特征最小冗余、遗传算法、支持向量机、面向对象

所属期刊栏目：41

分类号：P237(摄影测量学与测绘遥感)

在线出版日期：2018-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：146-150