多層次控制的遙感影像多分類器融合分類研究.pdf

1、遙感影像分類是遙感研究領(lǐng)域的一個(gè)重要內(nèi)容，也是快速獲取海岸帶土地覆蓋/利用信息最為便捷的一種途徑，但由于單分類器本身具有一定的局限性，受其制約，單純的利用一種單分類器進(jìn)行計(jì)算機(jī)自動(dòng)分類往往難以達(dá)到海岸帶土地覆蓋/利用常態(tài)化遙感調(diào)查的需求。隨著多分類器組合算法的出現(xiàn)，多分類器組合分類方法正日益成為遙感影像分類的一種不可或缺的手段。
　　本文面向海岸帶常態(tài)化遙感調(diào)查課題工作的需求，針對(duì)傳統(tǒng)計(jì)算機(jī)自動(dòng)分類方法分類精度有待提高等問(wèn)題，開(kāi)展

2、了多分類器融合算法的研究:提出了基于Kappa系數(shù)的加權(quán)投票法，發(fā)展了模糊隸屬度的決策融合法;在此基礎(chǔ)上，以串行結(jié)構(gòu)將上述兩種組合分類器進(jìn)行融合，構(gòu)建了多層次控制的多分類器融合算法;并以東營(yíng)市區(qū)域TM影像為例開(kāi)展了分類試驗(yàn)。通過(guò)對(duì)比以上分類試驗(yàn)的分類結(jié)果，驗(yàn)證了多層次控制分類器融合算法較傳統(tǒng)單分類器和多分類器組合算法而言，具有更高的分類精度，并且提高了多分類器組合算法的整體性能和分類效率。主要結(jié)論如下:
　　1.依據(jù)不同單分類器在

3、分類性能上存在著彼此互補(bǔ)的特點(diǎn)，本文提出了基于Kappa系數(shù)的加權(quán)投票法，發(fā)展了基于模糊隸屬度的決策融合法。利用不同的權(quán)值以及不同單分類器組合分別對(duì)兩種多分類器組合方法進(jìn)行測(cè)試，提煉得出分別適合于兩種多分類器組合方法的最優(yōu)權(quán)值和最佳單分類器組合，經(jīng)試驗(yàn)驗(yàn)證，基于Kappa系數(shù)的加權(quán)投票法和基于模糊隸屬度的決策融合法較五種單分類器具有較好的分類性能，總體精度最高提升1.2％，Kappa系數(shù)最高提升0.0154;對(duì)于各個(gè)類別的用戶精度和生產(chǎn)

4、者精度也均有一定提升，對(duì)于棉田、城鎮(zhèn)用地、潮灘植被和其它用地四種類別的用戶精度分別提升約4％、1％、2％和2％，對(duì)玉米田、灘涂用地和其它用地三種類別的生產(chǎn)者精度分別提升約5％、3％和7％。說(shuō)明基于Kappa系數(shù)的加權(quán)投票法和基于模糊隸屬度的決策融合法能夠集中發(fā)揮各單分類器的優(yōu)點(diǎn)，抑制各單分類器的缺點(diǎn)，發(fā)揮了多分類器組合在有爭(zhēng)議像元類別判斷上的優(yōu)勢(shì)。
　　2.本文提出的多層次控制的多分類器融合算法將不同的多分類器組合方法進(jìn)行有效整合

5、，并利用不同的串行組合方式，開(kāi)展對(duì)比試驗(yàn)，并獲得較好的分類效果。該算法分類總體精度和Kappa系數(shù)較兩種多分類器組合方法及單分類器有了一定的提升，相比于單分類器，多層次控制的多分類器融合算法總體精度提升3.1％-13.7％，Kappa系數(shù)提升0.0409-0.1601，同時(shí)，該算法對(duì)于各個(gè)類別的用戶精度和生產(chǎn)者精度相對(duì)于其他方法也有了較為均衡的提升，以上結(jié)果表明基于多層次控制的多分類器融合分類算法能夠提高分類精度，并且將各類別的分類精度