首页 / 资料库 / 文献详情

面向对象分类的特征空间优化

张秀英南京大学国际地球系统科学研究所冯学智江洪南京大学地理与海洋科学学院浙江林学院国际空间生态与生态系统生态研究中心

2009National Remote Sensing BulletinEnergy被引 2开放获取

出版方页面 →

摘要

为提高图像处理效率,æŽ¢è®¨äº†é¢å‘å¯¹è±¡åˆ†ç±»çš„ç‰¹å¾ç©ºé—´ä¼˜åŒ–æ–¹æ³•ã€‚ä»¥åŒºåŸŸå¢žé•¿ç®—æ³•èŽ·å¾—çš„å¯¹è±¡ä¸ºå¤„ç†å•å ƒ,æ ¹æ®æ¤è¢«åœ¨IKONOS影像上的表征,初步选择了6个形状、2个位置、17ä¸ªå ‰è°±å’Œ6个纹理特征,å ±è®¡31ä¸ªä½œä¸ºåˆå§‹ç‰¹å¾ç©ºé—´ã€‚é¦–å ˆæ ¹æ®æ¯ç»„ä¸­ç‰¹å¾æ‰€ä»£è¡¨çš„ä¿¡æ¯é‡å’Œç‰¹å¾ä¹‹é—´çš„ç›¸å ³æ€§,åŽ»æŽ‰ä¸Žå ¶ä»–ç‰¹å¾ç›¸å ³æ€§å¼ºè€Œæ–¹å·®è¾ƒå°çš„ç‰¹å¾,将特征空间维降到23;ä»¥è¯†åˆ«åŸŽåŒºæ¤è¢«ä¸ºç›®æ ‡,æ ¹æ®220ä¸ªæ¤è¢«æ ·æœ¬è®¡ç®—2—23维特征空间的类间J-M距离,以最小J-M和平均J-M距离为依据选择最优特征空间,将特征空间维降到14;最后利用类间离差矩阵代替协方差矩阵的K-L变换对特征空间进行压缩,分组压缩后将维数降低到7,而对整个特征空间压缩将维数降低到4。为验证特征空间优化对识别结果的影响,采用CARTåˆ†ç±»æ–¹æ³•å¯¹åŸŽå¸‚æ¤è¢«è¿›è¡Œäº†è¯†åˆ«ã€‚æž„å»ºçš„å†³ç­–æ ‘è¡¨æ˜Ž,利用分组K-L变换后的特征空间比利用整体K-L变换获得的训练精度高12%;与K-LåŽ‹ç¼©å‰çš„ç‰¹å¾ç©ºé—´èŽ·å¾—çš„å†³ç­–æ ‘ç›¸æ¯”,ç»“æž„å¤æ‚ç¨‹åº¦ç›¸å½“ï¼ˆå‰è€ åŒ å«14个结点,åŽè€ åŒ å«12个结点),è®­ç»ƒç²¾åº¦ä» ä½Ž1%。分类结果也表明,利用分组K-L变换的特征空间比利用不进行K-L变换的特征空间分类,总精度和Kappa系数分别降低了1.5%和2.3%,但是特征空间却压缩了50%,提高了面向对象分类方法的处理效率。

引用本文(GB/T 7714)

张秀英, 南京大学国际地球系统科学研究所, 冯学智, 等. 面向对象分类的特征空间优化[J]. National Remote Sensing Bulletin, 2009.

引文网络

参考文献与被引分析加载中…

DOI:https://doi.org/10.11834/jrs.20090409

本站仅收录题录与摘要供学习参考,全文版权归属出版方;如有侵权请联系我们删除。