证据推理的遥感图像分类方法与应用
遥感图像分类一直是遥感研究领域的核心问题.然而,传统遥感分类方法在地物复杂地区不能取得满意效果.不但分类精度不够理想,分类灵活性也存在不足.本文尝试引入证据推理"软"分类方法,选择小兴安岭山区一景TM遥感图像,基于用户知识和经验,通过人机交互处理,以累计信任度(CBV)最大为划分像元归类的原则得到证据推理方法的分类图像.结果表明,整体分类精度从最大似然法的78.74%提高到82.28%,kappa系数从0.67提高到0.71.但该方法对于裸地分类精度不高,通过人为设定各类别CBV阈值的方法,获得了人为干预的证据推理方法分类图,其整体分类精度达到了87.80%,kappa系数也达到了0.81,所有类别的生产者和用户精度相比于最大似然法都有提高.研究表明,证据推理方法在遥感分类精度和分类灵活性方面都具有优越性.
证据推理、遥感分类、"软"分类、最大似然法分类、分类精度
12
P2(测绘学)
吉林省社会科学基金2009B225;吉林省教育科学"十一五"规划课题GH08206;吉林省高等教育教学研究课题2008316
2011-05-16(万方平台首次上网日期,不代表论文的发表时间)
843-849