遥感信息融合和分类器集成的地类高精度识别

摘要：

针对光学和雷达遥感协同应用于城市地物类型高精度识别难这一问题，提出了一种信息融合与自适应提升（adaptive boosting，adaboost）和引导集成（bootstrap aggregation，bagging）分类器集成模型的遥感影像地物识别方法。该方法充分利用光学和雷达遥感数据提供的不同信息，达到提高遥感图像在地物识别方面应用的潜力。首先选择 GS（Gram-Schmidt）、主成分变换（principal components transform，PCT）、HSV （hue，saturation，value）和改进的多孔小波算法（a trous algorithm for wavelet，ATWT）融合算法对信息源进行融合，然后采用 bagging 和adaboost 集成算法对支持向量机（a library for Support Vector Machines，LibSVM）、功能树（function tree，FT）、快速有效的裂具算法（ripper alogrithm for fast，effective rule induction，JRIP）、序列最小优化算法（sequential minimal optimization，SMO）分类器进行集训练学习提高地类识别精度。研究以意大利北部帕维亚地区的 ERS SAR 与Landsat TM 影像对为信息源，通过融合定量指标评价和典型地物识别应用验证，结果表明提出的多分类器模型能够充分利用光学和雷达遥感信息，稳健有效地进行地物类别提取，地物识别精度比单独使用光学和雷达数据提高15到17个百分点。

关键词：光学遥感数据、雷达遥感数据、信息融合、分类器集成、地类识别

所属期刊栏目：31

分类号：TP79(遥感技术)

资助基金：国家自然科学基金委员会与神华集团有限责任公司联合资助项目U1261206、U1261106；河南省高校基本科研业务费专项资金资助NSFRF140113；河南理工大学博士基金B2015-20；河南理工大学青年基金Q2015-3；河南省基础与前沿152300410098。

在线出版日期：2016-09-08（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：116-121