基于mRMR特征优选算法的多光谱遥感影像分类效率精度分析

发布时间：2017-09-05 11:26

  本文关键词：基于mRMR特征优选算法的多光谱遥感影像分类效率精度分析

  更多相关文章： mRMR算法 多光谱影像 互信息 特征优选 图像分类

【摘要】：在遥感图像分类过程中,进行合理的特征优选操作,将有助于提高分类器的分类效率及精度。本文以淮南地区资源三号卫星多光谱遥感影像数据为例,采用二值离散化、直方图法及F统计法3种计算方法实现m RMR(minimal-RedundancyMaximal-Relevance)算法特征优选过程。根据3种方法所得到的特征优选结果及全部特征信息,分别采用C5.0决策树和K近邻2种分类器进行图像分类实验,并利用目视解译方法对不同方法组合的影像分类结果进行精度验证。实验结果表明,利用3种计算方法实现m RMR特征优选算法对不同分类器的影响程度不同:在分类效率方面,C5.0决策树分类器可提高36.84%,而K近邻分类器可提高72.05%;在分类精度方面,C5.0决策树分类器能保证分类精度大致不变,总体分类精度可提高0.60%,Kappa系数可提高0.80%,而K近邻分类器总体分类精度可提高4.34%,Kappa系数可提高7.90%。
【作者单位】： 中国地质大学(北京)信息工程学院;中国科学院遥感与数字地球研究所;浙江工业大学计算机科学与技术学院;长安大学理学院;
【关键词】： mRMR算法 多光谱影像 互信息 特征优选 图像分类
【基金】：国家高分辨率对地观测系统重大专项(03-Y30B06-9001-13/15-01) 中国科学院重点部署项目(KZZD-EW-07-02) 国家高技术研究发展项目(2013AA12A401)
【分类号】：P237
【正文快照】： 程希萌1,2,沈占锋2*,邢廷炎1,夏列钢3,吴田军41.中国地质大学(北京)信息工程学院,北京100083;2.中国科学院遥感与数字地球研究所,北京100101;3.浙江工业大学计算机科学与技术学院,杭州310023;4.长安大学理学院,西安7100641引言自20世纪后期以来,遥感技术作为一门新兴学科迅速

【相似文献】

中国期刊全文数据库 前10条

1 王林刚;;基于地物字典的遥感图像分类方法研究[J];科技视界;2013年27期

2 刘仁钊,廖文峰;遥感图像分类应用研究综述[J];地理空间信息;2005年05期

3 王荣华;干嘉元;过仲阳;吴佳勤;;模糊理论在遥感图像分类中的应用[J];上海地质;2007年04期

4 尹淑玲;余敏;;模糊Isodata聚类分析在遥感图像分类中的应用研究[J];地理空间信息;2009年01期

5 王瑞;李杰平;卢志刚;陈琼;;基于人工神经网络遥感图像分类的应用研究[J];科技情报开发与经济;2011年03期

6 张涛;;一种利用K均值和SOM进行遥感图像分类的方法[J];地理空间信息;2011年01期

7 曾如珠;遥感图像分类识别的探讨[J];泉州师范学院学报;2000年04期

8 张晓美,焦伟利,何国金,王威,欧阳志云,肖q，

本文编号：797700