多时相MODIS影像遥感分类方法与分析_第1页
多时相MODIS影像遥感分类方法与分析_第2页
多时相MODIS影像遥感分类方法与分析_第3页
多时相MODIS影像遥感分类方法与分析_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、多时相MODIS影像遥感分类方法与分析一、遥感分类方法试验1、最大似然分类法(MLC)MLC,又叫贝叶斯(Bayes)判别分类,根据贝叶斯理论在使错误分类概率最小的约束条件下进行的遥感图像分类方法。本试验选取了对应地表覆盖最丰富时期的T15影像,选用1736个像元作为训练样本,应用ERDAS8.7进行分类,见图1。图1 最大似然法分类图2、自组织神经网络分类法(SONN)自组织神经网络是Kohonen于1984年根据大脑神经系统的“侧抑制”现象提出的。SONN本质上是一种非监督分类方法。本试验同样采用T15影像进行,以Matlab7.0为平台,利用Newsom函数创建一个自组织神经网络。竞争的

2、过程就是通过不断调整在竞争中某一获胜节点(神经元)的权值W(i,j),使其在后面的竞争中获胜的可能性逐渐增大的过程,分类图见图2。图2自组织神经网络分类图3、支持向量机分类法(SVM)SVM是在统计学理论的VC维(Vapnik2Ch2ervonenkisDimension)和结构风险最小化(SRM)原则的基础上发展起来的最新的机器学习方法。选取有代表性的T11,T15,T19等3个时相MODIS数据为试验源。分类中应用了3个时相前7个波段的反射率值及EVI值,分类图见图3。图3 支持向量机分类图4、决策树分类法(DTC)DTC是遥感分类中的一种分层次处理结构,具有简单、明确、直观的特点。DTC

3、同样选T11,T15,T19等3个时相的7个波段的反射率值和EVI值作为输入数据。在KnowledgeEngineer中建立决策树规则,分类图见图4。图4 决策树分类图二、分类方法比较与分析本章将4种分类结果进行对比与分析,进而对各种分类器的性能进行综合评价。1、分类精度评价本次精度评价采用产生随机点样本的方式进行。参照150万全国土地利用图及TM影像等评定出随机点的实际类别,得到误差矩阵。其中总体精度和Kappa系数是对分类结果的整体衡量,详见表1。2、样本大小对分类器的影响为了比较训练样本数量对不同分类器的影响,选三组不同的测试样本对各种分类器进行试验。由于SONN是非监督分类,无需样本参与,最终得出以下结论:（1）.DTC对训练样本的数量较敏感,通常在有充足样本的情况下,才能够达到较高的精度。此时,增加训练样本的数量可以大幅度提高决策树分类器的性能与精度;（2）.SVM在训练样本数量较少时,分类精度优于DTC;（3）.MLC需要满足最大似然法近似高斯分布条件的样本量,此时再增加训练样本,对MLC分类精度提高作用不显著。MLC是此3种分类法中最稳定的方法。3、其他方面比较此外,

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论