基于Relief F和PSO混合特征选择的面向对象土地利用分类

摘要：

针对面向对象土地利用分类存在特征维数过高的问题，提出了一种结合Relief F和粒子群优化算法（particle swarm optimization，PSO）的混合特征选择方法，即首先利用Relief F作为特征预选器滤除相关性小的特征，然后以PSO作为搜索算法，以支持向量机（support vector machine，SVM）的分类精度作为评估函数在剩余特征中选择出最优特征子集。该文以吉林省长春市部分区域为研究区，采用Landsat8遥感影像为数据源，首先对其进行多尺度分割，然后提取影像对象的光谱、纹理、形状和空间关系特征，利用提出的混合特征选择方法选取最优特征子集，最后使用SVM分类器对研究区进行土地利用分类，总体分类精度和Kappa系数分别为85.88%和0.8036，与基于4种其他特征选择方法的土地利用分类结果进行比较，基于Relief F和PSO的混合特征选择方法利用最少的特征获得最高的分类精度，能够有效地用于面向对象土地利用分类。

关键词：土地利用、分类、支持向量机、特征选择、面向对象、Relief F、粒子群优化算法

分类号：TP79;S127;F301.24(遥感技术)

资助基金：中国地质调查局资助项目12120115063701；国土资源部公益性行业科研专项基金201511078-1

在线出版日期：2016-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：211-216