多分类器融合的遥感影像分类方法实验研究

发布时间：2025-01-09 03:07

　　 在遥感影像分类应用中,使用不同种类的分类器对原始图像进行操作所得出的分类结果的分类精度和效率都是不同的,设计完成多分类器融合分类实验,实验可以将不同种单一分类器的优点用适当的方法进行组合,从而获得比单一分类器分类精度和效率更好的分类方法.在此基础上采用投票原理设计抽象级融合的多分类器并完成实验.设计结果表明:多分类器融合的遥感影像分类方法在精度上要比单一分类器的分类精度高.

【文章页数】：5 页

【部分图文】：

图1 原始影像

本实验选取影像中地类较为丰富的区域作为研究区,选取影像中三个波段的遥感影像如图一所示,使用现状分别包含居民地、农田1、农田2、菜地四类.选取研究区遥感影像四种典型地类的像元值作为训练样本,每个地类选择十二个像元,各个地类选取像元的像元亮度值如表1所示.2分类器分类实验

图2 欧式距离分类法分类结果图

2)计算完毕后根据计算结果使用Matlab编写欧氏距离法的遥感影像分类程序,利用所编程序对预定的遥感影像进行分类,并且得出分类结果如图2所示[6-7].2.3.2最大似然法分类法

图3 最大似然分类法分类结果图

3)根据计算结果使用Matlab编写贝叶斯分类法的遥感影像分类程序,并利用Matlab编写的程序对预定的遥感影像进行分类,并且得出分类结果如图3所示[8-9].2.3.3BP神经网络分类法

图4 BP神经网络分类结果

3)利用Matlab编写的程序对预定的遥感影像进行分类,并且得出分类结果如图4所示,图5为BP神经网络经过训练得出的误差曲线图.图5误差曲线

本文编号：4025051