基于三种机器学习算法的面向对象土地覆被分类

• 作者: 刘东杰
• 来源期刊: 科学技术创新
• 学科: 工学
• 关键词: landsat-8 面向对象 贝叶斯网络 J48 随机森林
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 科技创新
• 页码范围: 57-60
• 页数: 4页
• 分类号: TP751|TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1328.2022.01.016

摘要

近年来,随着越来越多中高分辨率对地观测卫星的出现,面向对象的影像信息提取方法得到了更广泛的应用.同一时间,依靠强大的表征学习能力,以机器学习为代表的监督学习方法也逐渐成为遥感影像处理的重要手段.文章利用landsat-8对地观测卫星基于BeyesNet、J48决策树以及随机森林三种算法对目标研究区进行了土地覆被分类,结果显示基于机器学习的面向对象分类算法针对复杂地物可以取得较好的分类效果,其中相较于另外两种分类方法,随机森林算法整体效果最优.