基于主成分分析和决策级融合的高光谱图像分类方法研究

CORC > 自然资源部第一海洋研究所 > 自然资源部第一海洋研究所 > 业务部门 > 海洋物理与遥感研究室

	基于主成分分析和决策级融合的高光谱图像分类方法研究
	李晓敏 1; 张杰 1; 马毅 1; 任广波 1; Li Xiaomin 2; Zhang Jie 2; Ma Yi 2; Ren Guangbo 2
刊名	海洋科学
	2015
卷号	39 期号:2 页码:25-34
关键词	主成分分析高光谱图像图像分类决策级融合
ISSN号	1000-3096
其他题名	Research on the classification method of the hyper-spectral image based on principal component analysis and decisionlevel fusion
英文摘要	为了评价主成分分析方法和决策级数据融合方法对高光谱图像地物分类结果的影响, 作者利用各分类器和主成分分量的优势, 提出了两组地物分类结果的决策级融合策略, 利用8种常用监督分类方法对高光谱原始图像和PCA变换后不同分量组合图分类得到的结果进行决策级融合, 并应用覆盖黄河入海口新老河道交界处的 CHRIS/PROBA 高光谱图像开展实验研究。结果表明 : 直接采用每类地物分类精度最高的、空穴和缝隙采用总体分类精度最高的融合策略, 在综合考虑生产者精度和用户精度的情形下, 仅使用最大似然法、支持向量机和人工神经网络3种分类方法, 按照分类精度从高到低的顺序进行的融合分类效果最好, 总体分类精度为87.82%。与8种监督分类方法中效果最好的最大似然法相比, 精度提高了2.7个百分点, 同时明显减少了错分现象, 尤其是对于分布面积较小的翅碱蓬和柽柳, 滩涂被误分为翅碱蓬、芦苇被误分为柽柳的现象大大降低。
学科主题	Remote Sensing ; Environmental Sciences & Ecology (Provided By Clarivate Analytics)
WOS研究方向	Remote Sensing ; Environmental Sciences & Ecology
语种	中文
CSCD记录号	CSCD:5390996
内容类型	期刊论文
源URL	[http://ir.fio.com.cn/handle/2SI8HI0U/5922]
专题	业务部门_海洋物理与遥感研究室
作者单位	1.国家海洋局第一海洋研究所, 青岛, 山东 266061, 中国; 2.First Institute of Oceanography, State Oceanic Administration, Qingdao, Shandong 266061, China
推荐引用方式 GB/T 7714	李晓敏,张杰,马毅,等. 基于主成分分析和决策级融合的高光谱图像分类方法研究[J]. 海洋科学,2015,39(2):25-34.
APA	李晓敏.,张杰.,马毅.,任广波.,Li Xiaomin.,...&Ren Guangbo.(2015).基于主成分分析和决策级融合的高光谱图像分类方法研究.海洋科学,39(2),25-34.
MLA	李晓敏,et al."基于主成分分析和决策级融合的高光谱图像分类方法研究".海洋科学 39.2(2015):25-34.