用于SAR图像海面溢油自动识别的Bagging-AdaBoost决策树分类器系统

• 作者: 丁新涛 曾侃 贺明霞
• 来源期刊: 中国海洋大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 合成孔径雷达(SAR) 海面溢油 AdaBoost Bagging 决策树
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 研究论文
• 页码范围: 132-142
• 页数: 11页
• 分类号: TP75|X87
• 字数: 7287字
• 语种: 中文
• DOI: 10.16441/j.cnki.hdxb.20160013

摘要

目前应用于SAR图像海面溢油检测的分类器大多为单分类器,其检测率往往难以达到要求.本文引入AdaBoost算法和Bagging算法,内核采用决策树分类器(Decision tree,DT),形成两种分类器系统DT-A (AdaBoost-Decisiontree)和DT-B(Bagging-Decision-tree).进而提出以AdaBoost分类器系统为内核的Bagging系统DT-AB(Bagging-AdaBoost-Decision-tree).对1 448个Envisat/ASAR海面暗目标样本进行分类实验,DT-AB分类器系统与DT单分类器相比,溢油暗目标检测率从74％增至83％,错检率从26％降至16％.对4种分类器的检测率、泛化性能和稳定性能进行了比较测试,结果如下:(1)DT-A和DT-B的泛化性能明显优于DT,并且DT-A的泛化性能略优于DT-B;(2) DT-A和DT-B比DT的稳定性能提高一倍以上,DT-B的稳定性能略优于DT-A;(3) DT-AB的泛化性能和稳定性能均优于DT-A和DT-B.因此,DT-AB分类器系统用于卫星SAR图像海面溢油自动识别业务化系统具有应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺明霞	中国海洋大学海洋遥感研究所	18	193	7.0	13.0
2	曾侃	中国海洋大学海洋遥感研究所	8	15	3.0	3.0
3	丁新涛	中国海洋大学海洋遥感研究所	1	5	1.0	1.0