高分辨率遥感影像的自优化迭代分类方法

• 作者: 万幼川 史蕾 姜莹 李刚
• 来源期刊: 国防科技大学学报
• 学科: 地球科学
• 关键词: 高分辨率遥感影像 像斑 自优化 半监督 模糊C均值 支持向量机
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 信息与通信工程·计算机科学与技术
• 页码范围: 77-86
• 页数: 10页
• 分类号: P23
• 字数: 7023字
• 语种: 中文
• DOI: 10.11887/j.cn.201704012

摘要

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器.使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集.基于以上方法分别对武汉市QuickBird和WorldView影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度(82%与82.67%)、常规支持向量机分类总精度(87.33%与88%)、最小二乘支持向量机分类总精度(88%与89.33%)相比,精度有明显提升,分类效果较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万幼川	武汉大学遥感信息工程学院	106	2057	24.0	42.0
2	李刚	武汉大学遥感信息工程学院	57	418	11.0	18.0
3	史蕾	武汉大学遥感信息工程学院	8	6	2.0	2.0
4	姜莹	武汉大学遥感信息工程学院	2	1	1.0	1.0