基于共享特征的高分辨率遙感影像多層次分類研究.pdf

1、近年來,高分辨率遙感影像廣泛應用于農(nóng)業(yè)、林業(yè)、海洋、國土資源和環(huán)境監(jiān)測等多個領域,迫切要求人們對高分辨率遙感影像的信息提取進行研究。與中低分辨率遙感影像相比,高分辨率遙感影像具有豐富的形狀、結(jié)構(gòu)和紋理信息,傳統(tǒng)的主要利用光譜信息的面向像元的分類方法已經(jīng)不能滿足高分辨率遙感影像的處理需求,近十年發(fā)展起來的面向?qū)ο蟮姆诸惙椒ㄒ殉蔀楦叻直媛蔬b感影像處理的主要方法。高分辨率遙感影像細節(jié)足夠豐富,具有類內(nèi)差異大、類間差異不明顯的特點,這給高精度的

2、多類分類帶來了挑戰(zhàn)。
　　傳統(tǒng)的多類分類算法,一般都是將所有類別的樣本同時輸入多類分類器進行訓練,然后利用訓練好的多類分類器對所有類別的測試樣本進行直接分類。這種多類樣本同時訓練再分類的方法將所有類別的樣本同等看待,忽略了不同類別樣本間的相關(guān)性以及每類樣本的獨特性,使得分類精度的提升受到了一定的限制。我們注意到,通常解譯專家在對遙感影像進行目視解譯時,不是對所有類別的樣本同時進行解譯,而是先把最容易區(qū)分的類別找出來,再找次容易區(qū)分

3、的類別,直至識別出所有的類別。另一方面,不同類別的影像對象可能共同具有某些相似特征,我們稱之為“共享特征”,它們可以作為區(qū)分這些共享特征的類別與其余類別的重要信息。
　　本文模擬人的這種目視解譯方式,提出一種基于共享特征的多級二叉樹分類算法,把多類分類問題劃分為多個兩類分類問題,每級兩類分類都利用GentleBoost算法提取“共享特征”,僅解譯一類目標,已解譯的類別不再參加后面的分類,利用這樣的逐步“淘汰”機制完成一幅遙感影像的