面向对象分类特征优化选取方法及其应用
分离阈值算法SEaTH是一种有效的自动选取分类特征并计算阈值的方法,但其只考虑了类间距离,容易存在信息的冗余,从而对分类精度造成一定影响.本文在SEaTH算法的基础上,综合考虑了特征间的相关性、类间距离以及类内距离,对SEaTH算法进行了优化,并将改进前后的两种方法运用到广东省肇庆市TM影像及环境一号卫星影像土地覆盖分类中进行对比分析.实验结果表明,改进后的方法筛选出的特征在提取地物上更为有效,尤其使耕地的分类精度提高了1226%,使分类总体精度由80%提高到85.26%.耕地与林地分类精度的提高,对不易获取质量较好的多时相数据地区的土地覆盖分类具有重要意义.
面向对象分类、特征筛选、SEaTH算法、土地覆盖分类、特征去相关
17
P237(摄影测量学与测绘遥感)
中国科学院战略性先导科技专项XDA05050107-03;Strategic Priority Research Program of the Chinese Academy of SciencesXDA05050107-03
2013-10-16(万方平台首次上网日期,不代表论文的发表时间)
共14页
816-829