基于特征增强技术的面向对象分类方法

• 作者: 张自力 曹宝 秦其明 邱云峰 马海建
• 来源期刊: 水土保持研究
• 关键词: 特征增强 面向对象 分类方法
• 年，卷（期）: 2008,（1）
• 页码范围: 135-138
• 页数: 4页
• 分类号: TP391.4
• 语种: 中文

摘要

针对传统基于像元的分类方法不能满足对高分辨率影像(HRI)进行分类的矛盾,提出基于特征增强技术的面向对象分类方法(FETCOOCA).并以北京市海淀区的SPOT5影像为例,考虑到影像中植被、水体和建筑物等地物之间的特征差异,对影像中地物的光谱、形状、纹理等信息进行特征增强处理,并结合面向对象的分类方法对其进行分类.最后,对FETCOOCA与传统基于像元的分类方法进行对比分析.结果表明:提出的FETCOOCA明显优于传统分类方法,它可以大幅度提高HRI的分类精度,有效抑制椒盐现象的发生,使分类后的图像含有更为丰富的语义信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦其明	北京大学遥感与地理信息系统研究所	118	2464	26.0	45.0
2	张自力	北京大学遥感与地理信息系统研究所	12	204	7.0	12.0
3	曹宝	北京大学遥感与地理信息系统研究所	9	348	6.0	9.0
4	马海建	北京大学遥感与地理信息系统研究所	4	323	4.0	4.0
5	邱云峰	北京大学遥感与地理信息系统研究所	6	301	5.0	6.0