基于规则验证点的面向对象分类精度评价

• 作者: 龚循强 刘星雷 鲁铁定 刘丹
• 来源期刊: 激光与光电子学进展
• 关键词: 测量 遥感图像 面向对象分类 规则验证点 精度评定 K最近邻
• 年，卷（期）: 2020,（24）
• 所属期刊栏目: 成像系统|Imaging Systems
• 页码范围: 281-286
• 页数: 6页
• 分类号: O433.4
• 语种: 中文
• DOI: 10.3788/LOP57.241102

摘要

遥感图像分类是图像分析的重要步骤,其中分类后精度评定是判定图像分类效果的主要依据.目前,面向对象分类的精度评定常采用随机验证点作为评定参数,这样容易造成评定的分类结果精度不高.提出基于规则验证点的面向对象的分类精度评价方法,在使用支持向量机、CART(classification and regression tree)决策树和K最近邻进行分类的基础上,分别采用基于规则验证点和随机验证点的方法对分类结果进行精度评定.实验结果表明,所提出的方法比传统的基于随机验证点的方法得到的分类精度更高.三种分类方法在规则验证点下的最优总体分类精度分别达到了87.92％、91.94％和94.63％,均优于基于随机验证点的方法的精度评定结果.