结合KPCA和多尺度纹理的IKONOS遥感影像决策树分类
- 出版年：2010
- 作者：谢丽军；张友静；张子衡；陈李家
- 单位1：河海大学水文水资源学院
- 出生年：1986
- 学历：硕士生
- 语种：中文
- 作者关键词：核主成分分析（KPCA）；多尺度纹理；IKONOS；决策树
- 起始页：88
- 总页数：6
- 经费资助：国家自然科学基金重点项目（40830639）。
- 刊名：遥感信息
- 是否内版：否
- 刊频：双月刊
- 主管单位：国家测绘局
- 主办单位：科技部国家遥感中心；中国测绘科学研究院
- 主编：张继贤
- 地址：北京市海淀区北太平路16号
- 邮编：100039
- 电子信箱：remotesensing@casm.ac.cn
- 网址：http://www.remotesensing.org.cn
- 期：3
- 期刊索取号：P637.06 815-6
- 数据库收录：中国科技核心期刊；中国科技论文统计源期刊；中国科学引文数据库来源期刊
- 核心期刊：中国科技核心期刊
摘要
城市地物类型多样，空间分布复杂，具有很强的非线性特征。核主成分分析（KPCA）通过将特征空间映射到高维核空间，可以表达图像像素间的高阶关系，因而可以提取图像的非线性特征，同时提供一组相互独立的主成分。本文在加入多尺度纹理特征的基础上，以应用地物分布的空间细节信息；且利用核主成分分析（KP-CA）方法对光谱和纹理量提取非线性特征信息，增大类别之间的可分性；并结合决策树分类方法对IKONOS遥感影像分类。实验结果表明：KPCA能很好提取地物之间的非线性特征，结合KPCA和多尺度纹理的决策树分类方法能有效地提取地物类型，提取精度为79.3%，KAPPA系数为0.763.