資源描述：
《基于決策樹規(guī)則的面向?qū)ο筮b感影像分類》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、遙感信息疊感匝用基于決策樹規(guī)則的面向?qū)ο筮b感影像分類葛春青①，張凌寒②，楊杰①(①武漢大學測繪遙感信息工程國家重點實驗室，武漢430079；②武漢大學遙感信息工程學院，武漢430079)摘要：高分辨率影像包含了豐富的空間信息，這使得基于像素的傳統(tǒng)分類方法的分類精度受到局限。基于此，本文對面向?qū)ο蟮姆诸惙椒ㄟM行了探討。首先，利用圖像的光譜和形狀因子對圖像進行合理的分割。然后，建立決策樹分類判別知識庫，將對象歸屬到某一類上并進行分類。結(jié)果顯示，面向?qū)ο蠓椒ǖ姆诸惥容^傳統(tǒng)分類方法有了很大程度的提高，這為通過建立決策樹知識庫對地物光譜混雜的城區(qū)分類提供了一種有益的嘗試。關(guān)鍵詞：高分辨率影像；
2、面向?qū)ο?；多尺度分割；知識庫中圖分類號：TP751文獻標識碼：A文章編號：1000—3177(2009)102—0086—05法。隸屬度函數(shù)法在區(qū)分類別時只用少數(shù)特征。本1引言文則主要利用隸屬度函數(shù)法并結(jié)合最鄰近法對影像過去遙感影像分辨率不高，像元混雜十分嚴重，進行分類。因而，傳統(tǒng)遙感圖像分類方法，如監(jiān)督分類或非監(jiān)督2研究方法分類，都是根據(jù)地物的光譜信息進行的，并未考慮像元間的相關(guān)性，空間信息利用的很少，這是基于像素2．1面向?qū)ο蠓诸惖母拍罘诸惙椒ǖ钠款i所在_1]。這種方法無法解決“同物面向?qū)ο蠓诸惥褪蔷C合考慮目標的形狀、紋理異譜”、“同譜異物”的難題，并且分類精度受到局限。和光譜信息
3、的一種高級分類口方法。分類過程隨著遙感空間技術(shù)的發(fā)展，遙感影像的分辨率中，首先將臨近的像素分割成有意義的區(qū)域。然后，越來越高。分辨率在10m以內(nèi)的影像一般稱為高運用人對地物的認知所產(chǎn)生的知識讓電腦知道影像分辨率遙感影像[2]。這些數(shù)據(jù)具有豐富的空間信中到底存在什么地物。最后，根據(jù)對地物的特征描息、地物幾何結(jié)構(gòu)和紋理信息。并且，在高分辨率影述建立的語義知識庫對圖像進行判讀。像中，有意義的地物大多由非單一像元組成，且相鄰2．2影像處理流程像元間的相關(guān)性高。對這種數(shù)據(jù)，如僅利用傳統(tǒng)的本次研究中面向?qū)ο蟮挠跋裉幚砹鞒倘鐖D1?；诠庾V的分類方法，就會造成空間數(shù)據(jù)的大量冗2．3影像多尺度分割余。面
4、向?qū)ο蟮姆诸惙椒ㄍ黄屏藗鹘y(tǒng)分類法的瓶對某尺度的層次影像分割時，從一個像元開始，頸[1]，先以加入形狀因子的方式對影像進行多尺度分與其相鄰對象進行計算，若相鄰的兩個對象合并后的割，將相關(guān)性高的像元融合在一起，形成同質(zhì)圖斑，然異質(zhì)性指標小于給定的域值，則合并，否則不合并。后用面向?qū)ο蟮姆椒▽Φ匚镞M行認知，主要是根據(jù)圖當一輪合并結(jié)束后，以上一輪生成的對象為基本單像確定合理的分割參數(shù)及建立有意義的分類知識庫。元，繼續(xù)與相鄰對象進行計算，這一過程持續(xù)到在用eCognition中有兩種分類方法：最鄰近分類和戶指定的尺度上不能再進行任何對象的合并為止。隸屬度函數(shù)分類。最鄰近分類器是快速簡單，基于采用
5、不同的尺度，進行多次分割，形成網(wǎng)絡(luò)層次給定的特征空間和樣本的分類方法。區(qū)分類別時，結(jié)構(gòu)，每一個分割都利用低一層的影像對象作為原特征空間可以是多維的，因而，這種方法被廣泛采料，同時，也遵循高一層中的對象邊界限制。如果是用。大多數(shù)相關(guān)的文獻中所采用的也是這種分類不同的父對象，那么相鄰的對象不能進行合并。收稿日期：2008—07～14修訂日期：2008—07～28基金項目：高分辨率遙感影像三維測圖與更新的理論和方法研究(40523005)；山東省基礎(chǔ)地理信息與數(shù)字化技術(shù)重點實驗室開放基金資助項目。作者簡介：葛春青，女，山東德州人，碩士研究生，主要研究方向為攝影測量與遙感。E—mail：gec
6、hunqing@126．corn．86疊感應用遙感信息對象形狀較為緊密。(3)對象的整體異質(zhì)性指標h：-lIh一60，×h+加×^咖(5)I一一一圖像理，與OA．4",ap代表光譜與形狀兩者間的權(quán)重調(diào)配，兩●●●者之和為1，亦可根據(jù)使用者的需求進行調(diào)整。I2．4分類方法I導入eCognitioneCognition中采用模糊分類，有兩種分類器：最鄰近分類器和隸屬度函數(shù)分類器?！籣(1)最臨近分類法：對于每一個影像對象，在特征空間中尋找最近●●的樣本對象，如果一個影像對象最近的樣本對象屬●-_于A類，那么這個對象將被劃分為A類。實際操作圖惻分析-時，通過一個隸屬度函數(shù)進行，影像對象在特
7、征空間●匿l莖隸屬坌度函l：i有圈=關(guān)聯(lián)類別分類．I；：中與屬于A類樣本對象的距離越近，則屬于A類的———-———-]c—1r———————一I-隸屬度越大。影像對象屬于哪一類，由隸屬度來確●I定，當屬于每一類的隸屬度值小于最小的隸屬度(可ll以設(shè)置，如0．1)時，該影像對象不被分類。-●影像對象0與樣本對象s之間的距離計算●公式：輸出結(jié)果●●d==√(crf)(6)圖1影像分類流程圖d通過所有特征值的標準差而得到歸一化，基對象異質(zhì)性各指標的計
