文献类型：期刊文章

作　　者：丛佃敏[1] 赵书河[1] 李娴[1] 庄喜阳[1]

CONG Dian-min ZHAO Shu-he LI Xian ZHUANG Xi-yang(Department of Geographic and Oceanographic Sciences, Nanjing University, Jiangsu Key Laboratory of Geographic Information Science and Technology, Collaborative Innovation Center of South China Sea Studies, Nanjing University, Nanjing 210023, P. R. China)

机构地区：[1]南京大学地理与海洋科学学院江苏省地理信息技术重点实验室中国南海研究协同创新中心南京大学,南京210023

出　　处：《科学技术与工程》

基　　金：国家重点研发计划项目(2016YFB0502503);中国联合国合作非洲水行动-非洲典型国家和流域水资源生态保护和技术合作(2010DFA92800)资助

年　　份：2016

卷　　号：16

期　　号：31

起止页码：218-224

语　　种：中文

收录情况：BDHX、BDHX2014、RCCSE、ZGKJHX、核心刊

摘　　要：目前面向对象的分类研究中,对于研究区影像的分割尺度问题多以试验者的多次试验以及主观推断为主,缺乏定量化的评价标准。同时,在对遥感影像分类的算法选择以及在分类过程中,有效特征空间的选取均存在一定程度的主观性。针对遥感影像面向对象分类过程中分割尺度选择盲目及分类空间构造主观性较强的问题,以World View-2遥感影像数据为例,首先利用改进的全局最优分割尺度的方法获取研究区影像的最优分割尺度,在此基础上选取了研究区分割对象的48个特征,利用OOB误分率对各个特征的重要性排序;然后按重要性顺序以5为步长讨论特征数量对分类精度的影响,构建了用于分类的最优特征空间;最后将采用最优特征空间的随机森林算法获得的最佳分类结果,与面向对象的最邻近像元、决策树以及支持向量机分类算法进行了比较。结果表明,用于分类的特征数量与分类精度之间,并不是简单的正相关关系;与面向对象的最邻近像元、决策树以及支持向量机分类算法相比,利用最优特征空间进行随机森林分类的分类精度最高,表明该方法更适合于高分辨率World View-2数据的分类。

关 键 词：WorldView-2影像  面向对象 随机森林  最优分割尺度  特征空间构建  

分 类 号：TP79]