学位论文 > 优秀研究生学位论文题录展示

多分类器组合及其遥感分类研究

作　者: 张少佳
导　师: 曾永年
学　校: 中南大学
专　业: 摄影测量与遥感
关键词: 土地利用/覆盖分类分类器组合差异性度量遥感影像
分类号: P237
类　型: 硕士论文
年　份: 2010年
下　载: 273次
引　用: 2次
阅　读: 论文下载

内容摘要

基于土地利用／覆盖信息提取的快速、自动化和高精度的现实需求,遥感影像计算机自动分类研究成为提高遥感应用性的一个重要方向。多分类器组合利用不同方法进行目标识别时得到的互补信息来提高分类性能,为提高遥感分类精度提供了新的途径。因此,进行多分类器组合研究,探讨其在遥感影像自动分类中的应用,具有重要的理论与实践意义。本文对多分类器组合方法、基于分类器差异性度量的组合分类器优化进行研究,将其应用于土地利用／覆盖遥感分类。主要研究成果如下：(1)基于多分类器组合的遥感分类方法针对投票法分类器组合中加权值的选择问题,提出了基于先验知识的投票法组合分类方法。首先对子分类器做分类性能测试,得到各类别的用户精度；然后将其作为加权值,使用相对多数投票法对子分类器输出结果进行组合决策,将具有最大投票值的类别赋予待分像元。结果表明,以最大似然法、神经网络法和支持向量机法作为子分类器进行多分类器组合遥感分类时,分类器两两组合分类结果的总体精度较子分类器均有提高。三种分类器参与组合分类时,组合分类总体精度高于子分类器的最低精度,但不一定高于子分类器的最高精度。组合方法在不同景观特征地区的遥感分类中具有相同的性能特征。组合分类结果受训练样本分布的影响取决于子分类器的稳定性。当子分类器均受训练样本分布影响较小,组合结果也具有较好的稳定性。研究中,最大似然法和支持向量机法组合分类结果优于相应子分类器,组合结果受训练样本分布的影响较小。(2)基于分类器差异性度量的组合分类器优化针对分类器组合过程中的组合结构优化问题,引入熵值法分类器差异性度量来衡量组合分类器中子分类器之间的差异性关系,分析其与组合分类结果的关系,研究其在组合分类器优化中的可用性。结果表明,熵值法分类器差异性度量值与组合分类的优势度(组合分类器Kappa值与子分类器中最大Kappa值之差)存在正相关关系,对分类器的组合性能有一定的预测能力。但由于方法与组合分类结果的相关关系还不够强,因此分类器差异性度量在分类器组合中的应用有待进一步研究。

全文目录

摘要  4-6
ABSTRACT  6-8
目录  8-10
第一章绪论  10-22
  1.1 研究背景与意义  10-11
  1.2 国内外研究进展  11-19
    1.2.1 遥感图像计算机分类方法研究进展  11-14
    1.2.2 多分类器组合遥感分类研究进展  14-19
  1.3 研究内容与方法  19-21
    1.3.1 研究内容  19
    1.3.2 研究方法与技术路线  19-21
  1.4 论文结构  21-22
第二章分类器组合的设计与优化研究  22-31
  2.1 分类器组合原理与结构设计  22-27
    2.1.1 投票法多分类器组合方法  22-23
    2.1.2 基于先验知识的投票法分类器组合原理  23-25
    2.1.3 分类器组合结构  25-27
  2.2 组合分类器优化方法  27-30
    2.2.1 分类器差异性度量方法  27-29
    2.2.2 熵值法分类器差异性度量  29-30
  2.3 小结  30-31
第三章基于分类器组合的遥感分类实验  31-52
  3.1 采用数据  31-32
    3.1.1 遥感数据  31-32
    3.1.2 参考数据  32
  3.2 遥感数据预处理  32-34
    3.2.1 影像拼接  32
    3.2.2 几何校正  32-33
    3.2.3 影像裁剪  33-34
  3.3 基于先验知识的投票法分类器组合遥感分类实验  34-50
    3.3.1 实验过程及结果分析  34-44
    3.3.2 训练样本分布的影响  44-46
    3.3.3 景观特征的影响  46-50
  3.4 基于分类器差异性度量的分类器组合优化实验  50-51
    3.4.1 实验过程  50-51
    3.4.2 结果分析  51
  3.5 小结  51-52
第四章结论与展望  52-55
  4.1 主要结论  52-53
  4.2 存在问题及展望  53-55
参考文献  55-61
致谢  61-62
硕士期间主要研究成果  62

多分类器组合及其遥感分类研究

内容摘要

全文目录

相似论文