利用多分类器自适应级联模型的高分二号影像分类

doi:10.13474/j.cnki.11-2246.2017.0343

测绘通报 ›› 2017, Vol. 0 ›› Issue (11): 32-36.doi: 10.13474/j.cnki.11-2246.2017.0343

利用多分类器自适应级联模型的高分二号影像分类

王耀^1,2, 杨化超¹, 王光辉^1,2, 黄杰^1,2, 王更^1,2, 刘笑^1,2

1. 中国矿业大学, 江苏徐州 221116;
2. 国家测绘地理信息局卫星测绘应用中心, 北京 100830

收稿日期:2017-04-04 修回日期:2017-06-15 出版日期:2017-11-25 发布日期:2017-12-07
作者简介:王耀(1992-),男,硕士,研究方向为遥感信息提取。E-mail:xz_wangyao@163.com
基金资助:
国家自然科学基金（41371438）

Classification of GF-2 Image Used by Multiple Classifiers Self-adaption Cascade Model

WANG Yao^1,2, YANG Huachao¹, WANG Guanghui^1,2, HUANG Jie^1,2, WANG Geng^1,2, LIU Xiao^1,2

1. China University of Mining and Technology, Xuzhou 221116, China;
2. Satellite Surveying and Mapping Application Center, NASG, Beijing 100830, China

Received:2017-04-04 Revised:2017-06-15 Online:2017-11-25 Published:2017-12-07

摘要/Abstract

摘要： 针对传统单一分类器分类效果不够理想，存在各自的不足，以及已有的多分类器级联模型不能根据待识别样本特征进行动态调整优化等问题，提出了一种基于多分类器自适应级联模型的遥感影像分类方法。该模型选取各类别最优分类器进行级联组合，以待识别样本在整体性能最优分类器的表现对类别最优分类器作出自适应调整，对高分辨率影像分割后的像斑对象输出类别信息。以杭州区域高分二号遥感影像进行分类试验，结果表明，本文方法相比于单一分类器及已有的级联模型具有更高的分类精度。

关键词: 多分类器, 影像分类, 自适应模型, 高分二号

Abstract: Aiming at the shortcomings of traditional single classifier and the lacking that the existing multiple classifiers cannot adjust itself dynamically according to the characteristics of unknown sample, the classification method of high resolution remote sensing image based on the self-adaption cascade model of multiple classifiers is proposed. In this model, the optimal classifier and the whole optimal classifier are selected to dynamically assemble, making an self-adaption adjustment by performance of the sample which will be classified in this classifier, and the model can produce output category information. By GF-2 image on Hangzhou area classification test, the results show that the multiple classifiers self-adaption cascade model method has a higher classification accuracy compared to a single classifier.

Key words: multiple classifiers, image classification, self-adaption model, GF-2

中图分类号:

P237

王耀, 杨化超, 王光辉, 黄杰, 王更, 刘笑. 利用多分类器自适应级联模型的高分二号影像分类[J]. 测绘通报, 2017, 0(11): 32-36.

WANG Yao, YANG Huachao, WANG Guanghui, HUANG Jie, WANG Geng, LIU Xiao. Classification of GF-2 Image Used by Multiple Classifiers Self-adaption Cascade Model[J]. 测绘通报, 2017, 0(11): 32-36.

参考文献

[1] 黄鸿, 郑新磊. 高光谱影像空-谱协同嵌入的地物分类算法[J]. 测绘学报, 2016,45(8):964-972.
[2] 刘小平, 黎夏, 何晋强, 等. 基于蚁群智能的遥感影像分类新方法[J]. 遥感学报, 2008,12(2):253-262.
[3] 杨海波, 王宗敏, 张涛. 基于混合多分类器结合算法的遥感分类[J]. 计算机工程, 2010,36(11):173-175.
[4] 鲍蕊. 光谱和空间特征联合的高光谱遥感影像多分类器集成方法[D]. 南京:南京大学, 2016.
[5] 郭云开, 曾繁. 融合增强型模糊聚类遗传算法与ISODATA算法的遥感影像分类[J]. 测绘通报, 2015(12):23-26.
[6] 柏延臣, 王劲峰. 结合多分类器的遥感数据专题分类方法研究[J]. 遥感学报, 2005,9(5):555-563.
[7] 韩建峰, 杨哲海. 组合分类器及其在高光谱影像分类中的应用[J]. 测绘科学技术学报, 2007,24(3):231-234.
[8] 王惠英, 苏伟, 周军其. 基于多分类器组合面向对象遥感影像信息提取方法[J]. 测绘工程, 2009,18(5):22-26.
[9] 彭正林, 毛先成, 刘文毅, 等. 基于多分类器组合的遥感影像分类方法研究[J]. 国土资源遥感, 2011(2):19-25.
[10] 唐春生, 金以慧. 基于全信息矩阵的多分类器集成方法[J]. 软件学报, 2003,14(6):1103-1109.
[11] 窦鹏. 基于投票法的多分类器集成遥感影像分类技术[D]. 兰州:兰州交通大学, 2014.
[12] 陈绍杰, 李光丽, 张伟,等. 基于多分类器集成的煤矿区土地利用遥感分类[J]. 中国矿业大学学报, 2011, 40(2):273-278.
[13] 薛梅, 郑全弟. 基于差异性度量的多分类器集成系统设计[J]. 计算机工程与设计, 2010, 31(23):5104-5107.
[14] 王更, 王光辉, 杨化超. 融合颜色-纹理模型的均值漂移分割算法[J]. 测绘科学, 2015,40(8):108-112.
[15] SUN J, LI H. Financial Distress Prediction Based on Serial Combination of Multiple Classifiers[J]. Expert Systems with Applications, 2009,36(4):8659-8666.

利用多分类器自适应级联模型的高分二号影像分类

Classification of GF-2 Image Used by Multiple Classifiers Self-adaption Cascade Model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	窦世卿, 陈治宇, 徐勇, 郑贺刚, 苗林林, 宋莹莹. 基于多特征融合与典型降维方法的高光谱影像分类[J]. 测绘通报, 2022, 0(4): 32-36,50.
[2]	陈磊士, 高霞霞, 廖玉芳, 邓剑波, 周碧. 基于CART决策树的高分二号洞庭湖区湿地分类方法[J]. 测绘通报, 2021, 0(6): 12-15.
[3]	叶沅鑫, 谭鑫, 孙苗苗, 王蒙蒙. 基于增强DeepLabV3网络的高分辨率遥感影像分类[J]. 测绘通报, 2021, 0(4): 40-44.
[4]	孙薇, 李胜, 江鹢, 柯水松, 夏安科. 深度学习方法应用于深圳市多调合一工作的思考[J]. 测绘通报, 2021, 0(1): 138-141.
[5]	张鹏强, 刘冰, 余旭初, 谭熊, 杨帆, 周增华. 面向高光谱影像分类的生成式对抗网络[J]. 测绘通报, 2020, 0(3): 29-34.
[6]	常翔宇, 柯长青. 基于随机森林算法的城市不透水面信息提取——以长春市为例[J]. 测绘通报, 2020, 0(11): 43-49.
[7]	许慧敏, 齐华, 南轲, 陈敏. 结合nDSM的高分辨率遥感影像深度学习分类方法[J]. 测绘通报, 2019, 0(8): 63-67.
[8]	王芳, 杨武年, 王建, 谢兵, 杨鑫, 任金铜. GF-2影像城市地物分类方法探讨[J]. 测绘通报, 2019, 0(7): 12-16.
[9]	沈谦, 朱长明, 张新. GF-2支持下的干旱区稀疏植被区植被覆盖度估算[J]. 测绘通报, 2019, 0(7): 33-38.
[10]	黄磊, 向泽君, 楚恒. 结合mRMR选择和IFCM聚类的遥感影像分类算法[J]. 测绘通报, 2019, 0(4): 32-37.
[11]	张宇航, 杨武年, 任金铜, 邓晓宇. 高分二号卫星影像自适应模糊阈值法小波去噪[J]. 测绘通报, 2019, 0(3): 32-35.
[12]	贺秋华, 邹娟, 余姝辰, 李长安, 余德清. 基于高分二号数据的湖南省十大水库网箱围栏养殖分布遥感调查[J]. 测绘通报, 2019, 0(10): 8-11,159.
[13]	胡云锋, 张千力. 结合形态学和光谱特征参数的建筑物阴影提取及其高度估算[J]. 测绘通报, 2018, 0(6): 22-26.
[14]	余莎莎, 余洁, 朱腾, 王彦兵. 一种改进的MCSM/H-PSO全极化SAR影像分类方法[J]. 测绘通报, 2018, 0(11): 53-57.
[15]	谢福鼎, 于珊珊, 杨俊. 一种新的融合空间信息的半监督变化监测方法[J]. 测绘通报, 2018, 0(1): 50-54.