基于SDA和CART算法的面向对象分类研究

• 作者: 侍昊 刘海娟 张婷 张洋洋 徐雁南
• 来源期刊: 南京林业大学学报（自然科学版）
• 学科: 工学
• 关键词: 面向对象分类 逐步判别分析 CART模型 敏感度评价
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 专题报道
• 页码范围: 6-12
• 页数: 7页
• 分类号: TP75
• 字数: 5447字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2006.2015.03.002

摘要

以2005年深圳市福田区QuickBird影像为主要数据源，根据面向对象多尺度分割结果，构建和分析了不同地类对象的光谱、形状和纹理信息特征，在此基础上利用逐步判别分析法（ stepwise discriminant analysis， SDA）结合分类回归树（classification and regression trees， CART）构建多尺度、多变量分类模型。结果表明：①采用SDA在一定程度上能够客观、准确地进行特征子集预筛选，笔者从32个特征中筛选出27个特征用于构建CART模型，并按其区分地类能力进行了重要性排序，其中光谱特征与纹理特征排序比较靠前，形状特征中仅LengthWidth排在第5位，剩余特征比较靠后。②利用分类回归树模型可进一步优化特征选取，并智能化计算出分离阈值，基本实现面向对象的自动化分类。其中Mean＿b3、LengthWidth、Ratio＿b3、GLDVE和NDVI是重要分类节点。③逐步判别分析结合分类回归树构建的分类模型，可以在提高或者不显著降低影像分类精度的条件下实现特征降维。当取相关指数R2＞0．2时，构建的分类模型效果最优，CART16模型训练和验证精度分别为94．44％和83．37％，其特征子集规模最小，与原始特征数量相比减少了一半。