提高城市TM图像分类精度的两种方法比较

• 作者: 农京辉 朱启疆 王修信 秦丽梅 罗涟玲
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 遥感图像 城市分类 混合像元分解模型 神经网络法 决策树法
• 年，卷（期）: 2009,（4）
• 页码范围: 19-22
• 页数: 4页
• 分类号: TP79
• 字数: 2830字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-6600.2009.04.005

摘要

城市遥感图像分类是获取城市绿地空间分布状况的基础,然而混合像元的存在导致分类精度不高.因此,提出了混合像元分解模型结合神经网络法(MPD-NN法),利用其对北京市TM图像进行地物分类,并与较常用的决策树法分类结果比较,研究在图像现有空间分辨率的条件下提高城市分类精度.结果表明,MPD-NN法分类可较为有效地处理城市遥感图像存在的混合像元问题,可以提高城市分类精度,分类精度高于决策树法,其总体精度和Kappa精度均将近90%,水体、草地、农田、裸地、林地的分类精度在85%以上,高密度建筑区、低密度建筑区、水泥地的分类精度接近80%,也均高于决策树法,是遥感分类较精确识别城市下垫面地物的一种可行方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱启疆	北京师范大学遥感科学国家重点实验室	36	2027	15.0	36.0
2	农京辉	广西师范大学计算机科学与信息工程学院	7	57	5.0	7.0
3	王修信	广西师范大学计算机科学与信息工程学院	62	392	12.0	15.0
5	罗涟玲	广西师范大学计算机科学与信息工程学院	16	44	4.0	6.0
8	秦丽梅	广西师范大学计算机科学与信息工程学院	3	36	3.0	3.0