一种基于多分类器融合的高分辨率遥感影像分类方法

摘要

本发明公开一种基于多分类器融合的高分辨率遥感影像分类方法，包括下述步骤：首先，在感兴趣区域选取训练样本集；其次，利用多个分类器分别对遥感影像进行分类；然后，将地物类别分类精度低于阈值a的区域采用基于先验知识的投票法再次进行分类；最后，将地物类别分类精度低于阈值b的区域运用模糊决策样板法进行分类，最终得到目标影像的分类结果。本发明最大限度地集中单分类器的优势，抑制单分类器的劣势，降低“同物异谱”、“同谱异物”对分类精度的影响，提高了高分辨率遥感影像分类精度。

主权项

一种基于多分类器融合的高分辨率遥感影像分类方法，其特征在于，包括下述步骤：步骤1数据准备选取需要进行分类的一幅高分辨率遥感影像数据图像I；步骤2训练样本的采集选取感兴趣区域训练样本有两个标准：一是训练样本的数量要足够多，每类至少要有10～100个训练样本数据；二是训练样本避免集中在某个局部位置；步骤3利用ML、NN和SVM分类器三个分类器分别对图像I进行分类图像I数据经过前期预处理，选取ROI样本进行子分类器的训练，然后利用子分类器单独进行影像分类；步骤4基于先验知识的投票法分类器组合遥感分类读取先期获取的单分类器先验参数信息，如果某单分类器的某类别的生产精度和用户精度的均值符合标准a，阈值a设定为85%，则将此类别分类像元作为最终的分类结果；若有两个或两个以上的单分类器标准a，则按照用户精度和生产精度均值从大到小排序，取排序首位的单分类器的分类像元作为最终结果；不符合标准a的剩余分类像元输入到基于先验知识投票法中计算票数，如果某类别的票数比例符合标准b，阈值b设定为90%，则将该分类像元为最终的分类结果；步骤5模糊积分法分类对剩余像元值运用模糊决策样板法进行分类。