适应性组合分类器遥感分类研究
遥感技术具有多时相、多波段、大尺度等特点;有利于进行不同尺度土地利用/覆盖及其变化的动态监测。遥感技术已经成为土地利用/覆盖及其变化信息研究的主要研究方法。将现有的分类算法进行组合，利用不同分类算法各自在遥感分类时体现出的优势，弥补各算法之间的不足，实现不同分类算法之间的互补，达到提高分类精度的目的，是遥感图像分类算法研究的一个重要方向。 本文研究内容主要为两个方面:组合分类器的误差分析及其验证;适应性组合分类器的构建及其验证。主要研究内容如下: (1)组合分类器的误差分析及其实例分析 随着研究的深入，组合分类器的发展面临着两个的问题:一方面，相对于单分类器的分类效果，组合分类器能够改善分类的效果，分类精度有一定程度的提高;但是，改善的效果不够明显，分类精度提升幅度不高。另外一方面，有部分的实践表明:组合分类器在部分情况下，不仅不能提高分类精度，有时甚至出现精度降低的情况;通常是组合分类器的分类精度比单分类器中分类精度最高的低，但是比精度最低的高，组合后的分类精度位于单分类器的分类精度之间，且更靠近精度较高的值。 针对这两种情况的出现，本文从单分类器的误差集合分布模式对组合分类器分类精度影响的角度进行分析和讨论，设计相应的实例对其进行验证。研究结果表明:组合分类器的精度变化与单分类器的误差集合分布模式有关。相离时，其精度提升幅度较大;相交时，组合分类器精度得到提升，其精度提升幅度大小与组合后的误差像元集合的大小成反比;相包含时，则其精度位于两单分类器之间，且更靠近精度较高的单分类器的精度。从理论上分析，在单分类器误差集合处于相离的模式下，组合分类器的分类精度在理论上能够达到100％;组合分类器确实能够在较大程度上提高遥感图像的分类精度。 (2)适应性组合分类器的构建及其实例分析 本文引入待分类像元对于单分类器的适应性概念，提出了适应性组合分类器，在不同的像元上利用不同的单分类器分类结果信息;在这样的组合分类器中，避免单分类器误差集合将处于“相包含”模式，彼此之间的结果相互没有影响，将较大程度的改善组合分类器的分类效果，提高组合分类器的分类精度。 通过设计相关的实例，对适应性组合分类器的分类效果进行验证和分析，结果表明:对于各个地物类别来说，适应性组合分类器均在很大的程度提高了遥感图像的分类精度，从总的效果上来讲，避免了单分类器误差集合将处于“相包含”模式，起到了改善组合分类器分类效果，达到了提高分类精度的目的。当同时改变训练样本集和分类算法时，生成的单分类器差异较大，组合分类的精度较高;与改变分类算法产生单分类器的方法相比，改变训练样本集产生的单分类器具有较大的差异，适应性组合分类器的分类精度较高。
土地利用方式;组合分类器;遥感图像;误差分析;分类算法
中南大学
硕士
摄影测量与遥感
曾永年
2013
中文
TP751
60
2013-12-31（万方平台首次上网日期，不代表论文的发表时间）