学位论文 > 优秀研究生学位论文题录展示

基于多分类器融合的遥感影像分类方法研究

作　者: 张丹
导　师: 宋伟东
学　校: 辽宁工程技术大学
专　业: 摄影测量与遥感
关键词: 遥感影像分类多分类器融合混淆矩阵 Kappa系数精度
分类号: P237
类　型: 硕士论文
年　份: 2009年
下　载: 120次
引　用: 0次
阅　读: 论文下载

内容摘要

在遥感影像分类中,不同分类器的分类表现有很大不同,而这种不同与其所分类数据的统计分布特征、先验知识、训练数据样本的大小以及分类器本身的结构等多个因素相关联。多分类器融合的思想就是利用现有分类器之间的互补性,通过适当的方法将不同的分类器之间进行优势互补,避免单一分类器可能存在的片面性,从而提高分类的准确性。本文研究如何在Matlab软件下采用最短距离分类器、贝叶斯分类器、马氏距分类器、K-均值分类器及BP神经网络分类器对多光谱遥感影像进行分类,并在抽象级和测量级的融合方法下进行多种分类器融合分类实验,最后采用混淆矩阵进行分类结果精度评价。实验结果表明,多分类器融合的遥感影像分类方法在精度上远远高于单一分类器分类。

全文目录

致谢  4-5
摘要  5-6
Abstract  6-9
1 绪论  9-16
  1.1 研究背景及意义  9-11
    1.1.1 研究背景  9-10
    1.1.2 研究意义  10-11
  1.2 遥感影像分类研究现状  11-13
    1.2.1 遥感影像分类  11
    1.2.2 遥感影像计算机分类方法  11-13
  1.3 论文主要技术路线及章节安排  13-16
    1.3.1 技术路线  13-14
    1.3.2 章节安排  14-16
2 遥感影像分类综述  16-29
  2.1 遥感影像分类理论基础  16-18
  2.2 分类器设计  18-19
    2.2.1 影像特征  18
    2.2.2 分类方法的选取  18-19
  2.3 主要分类方法  19-26
    2.3.1 监督分类方法  19-23
    2.3.2 非监督分类方法  23-24
    2.3.3 BP 神经网络法  24-26
  2.4 基于混淆矩阵的精度评价方法  26-28
    2.4.1 总体精度  27
    2.4.2 生产者精度  27
    2.4.3 用户精度  27-28
    2.4.4 Kappa系数  28
  2.5 本章小结  28-29
3 单一分类器遥感影像分类  29-40
  3.1 样本采集  29-30
  3.2 单分类器分类实验  30-34
    3.2.1 最短距离分类方法  30-31
    3.2.2 马氏距分类方法  31-32
    3.2.3 贝叶斯分类方法  32-33
    3.2.4 K-均值分类方法  33
    3.2.5 BP 神经网络分类方法  33-34
  3.3 分类后处理  34
  3.4 单分类器分类精度对比分析  34-38
    3.4.1 单分类器分类结果精度评价  34-37
    3.4.2 单分类器分类精度对比分析  37-38
  3.5 本章小结  38-40
4 多分类器融合遥感影像分类  40-50
  4.1 多分类器融合理论  40-43
    4.1.1 抽象级多分类器融合--投票法  41-42
    4.1.2 测量级多分类器融合--Bayesian 平均方法  42-43
  4.2 多分类器融合分类实验  43-46
    4.2.1 抽象级的多分类器融合  44
    4.2.2 测量级的多分类器融合  44-46
  4.3 多分类器分类精度对比分析  46-48
    4.3.1 多分类器融合实验混淆矩阵  46
    4.3.2 多分类器融合精度分析  46-48
  4.4 本章小结  48-50
5 总结及展望  50-52
  5.1 研究成果  50
  5.2 展望  50-52
参考文献  52-54
作者简历  54-56
学位论文数据集  56-57

基于多分类器融合的遥感影像分类方法研究

内容摘要

全文目录

相似论文