資源描述：
《基于cart決策樹方法遙感影像分類》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、萬方數(shù)據(jù)第36卷第2期2011年4月林業(yè)調(diào)查規(guī)劃ForestInventoryandPlanningV01．36No．2Apr．2011doi：10．3969／j．issn．1671·3168．2011．02．016基于CART決策樹方法的遙感影像分類齊樂，岳彩榮(西南林業(yè)大學(xué)資源學(xué)院，云南昆明650224)摘要：以云南省香格里拉縣為研究區(qū)域，構(gòu)建一種基于CART遙感影像的決策樹分類方法．對遙感影像采用主成分提取、植被信息提取、紋理信息提取等方法，并結(jié)合試驗(yàn)區(qū)主要地物類型訓(xùn)練樣本，采用Landsat5TM影像數(shù)據(jù)、
2、DEM數(shù)據(jù)以及遙感處理軟件ENVI為平臺進(jìn)行影像分類，并將結(jié)果與最大似然分類結(jié)果作比較．結(jié)果表明，基于CART遙感影像決策樹分類精度優(yōu)于最大似然分類，有較好的分類效果．關(guān)鍵詞：CART；決策樹分類；遙感影像；植被指數(shù)；紋理特征中圖分類號：s771．8；TP39文獻(xiàn)標(biāo)識碼：A文章編號：1671—3168(2011)02—0062—05RemoteSensingImageClassi6cationBasedonCARTDecisionTreeMethodQILe，YUECai-rong(CollegeofResourc
3、es，SouthwestForestryUniversity，Kunming650224。China)Abstract：TakingShangri-LaCounty，YunnanProvinceasthestudyarea，thispaperbuiltadecisiontreeclassificationmethodbasedonremotesensingimages．AndRegressionTree．Usingthemethodsofprincipalcomponentextraction，vegetation
4、informationextraction，textureinformationextraction，com·binedwiththemainfeaturetypetestareaoftrainingsamples，andtakingLandsat5TMimagedate，DEMdate，softwareENVIasplatform，theremotesensingimageclassificationhasbeendone．Thetom·parisonresultswhichwiththemaximumlikel
5、ihood、classificationshowthatCART．．basedremotesensingimageclassificationaccuracyofdecisiontreeisbetterthanmaximumlikelihoodclassification，hasabettereffectofclassification．Keywords：CART；decisiontreeclassification；remotesensingimages；vegetationindex；texture遙感技術(shù)是通
6、過對遙感傳感器接收到的電磁波輻射信息特征的分析來識別地物的，這可以通過人工目視解譯來實(shí)現(xiàn)，或用計(jì)算機(jī)進(jìn)行自動(dòng)分類處理．其中計(jì)算機(jī)對遙感圖像進(jìn)行地物類型識別是遙感圖像數(shù)字處理的一個(gè)重要內(nèi)容．在計(jì)算機(jī)分類中傳統(tǒng)的監(jiān)督分類、非監(jiān)督分類以及人工神經(jīng)網(wǎng)絡(luò)分類、專家系統(tǒng)分類都是以地物光譜特征為基礎(chǔ)．然而，由于存在“同物異譜，異物同譜”的現(xiàn)象，這種純粹依賴地物光譜特征的分類方法往往會出現(xiàn)較多的錯(cuò)分、漏分情況?．決策樹分類法能夠比較好地解決上述分類所產(chǎn)生的問題．決策樹分類是基于遙感影像數(shù)據(jù)及其他空間數(shù)據(jù)，通過專家經(jīng)驗(yàn)總結(jié)、簡單的數(shù)
7、學(xué)統(tǒng)計(jì)和歸納方法等，獲得分類規(guī)則并進(jìn)行遙感分類．分類規(guī)則易于理解，分類過程也符合人的認(rèn)知過程。在對分類地物光譜特征充分了解的基礎(chǔ)上，往往可以得到較好的效果．決策樹是由連接的節(jié)點(diǎn)所組成．樹存在2種類型的節(jié)點(diǎn)：決策節(jié)點(diǎn)和葉子節(jié)點(diǎn)．決策節(jié)點(diǎn)存放被檢驗(yàn)的運(yùn)算表達(dá)式，葉子節(jié)點(diǎn)存貯的是父節(jié)點(diǎn)的運(yùn)算結(jié)果．通過一系列二叉決策分支將像元?dú)w入到適當(dāng)?shù)念悇e，每條決策都通過特定表達(dá)式將一系列影像中的像元?dú)w為2類，每個(gè)新類通過下一級表達(dá)式再次分為2類，依此類推，決策的最終結(jié)果是獲取～系列處于葉子節(jié)點(diǎn)上的專題類別．并且針對同一應(yīng)用模型，分類目
8、的明確．現(xiàn)成的決策規(guī)則仍能在不同地區(qū)經(jīng)過裁剪和修改被重復(fù)使用，節(jié)省建樹工作。這也是決策樹分類法得到廣泛應(yīng)用的主要原因之一¨。．以云南省香格里拉縣為例，在分析植被指數(shù)以收稿日期：201l—02—28．基金項(xiàng)目：西南林業(yè)大學(xué)重點(diǎn)摹金項(xiàng)目(200702Z)；森林經(jīng)理學(xué)國家林業(yè)局重點(diǎn)學(xué)科(XKZ20090I)．作者簡介：齊樂(1984一)．男，山東人．在讀碩士．主要
