TY -的A2 -香港,sang hoon AU -汉,Ruimei盟——刘,裴AU - Wang Guangyan盟——张西隆PY吴Hanwei AU - - 2020 DA - 2020/11/25 TI -优势OBIA和分类器集成方法相结合的高分辨率卫星图像分类SP - 8855509六世- 2020 AB -准确和及时的集合城市土地利用和土地覆盖信息是至关重要的城市发展和环境保护的许多方面。(VHR)遥感图像的高分辨率使它可以检测和区分在地面上的详细信息。而丰富的纹理信息和有限的光谱通道VHR图像将导致组合方差的增加和减少的组内的方差。大量研究基于像素分类算法显示,有一些限制土地覆盖信息提取与VHR遥感图像在应用传统的基于像素分类器。针对评估分类器整体的优势策略和基于对象的图像分析(OBIA) VHR卫星数据分类方法在复杂的城市区域,我们提出一个approach-integrated多尺度分割OBIA和成熟的随机森林分类器集成方法命名。测试框架对中国GaoFen-1 (GF-1),遥感数据和GF-2 VHR中央商务区(CBD)的郑州都市。拟议的框架流程,包括数据融合多尺度图像分割,最好的最优分割尺度评价、多变量纹理特征提取,整体学习随机森林分类器结构、精度评估,和时间消耗。优势提出了框架的比较和讨论与几个成熟的技术发展水平等机器学习算法 k 最近的邻居(资讯),支持向量机(SVM)和决策树分类器(DTC)。实验结果表明,该方法的OA是99.29%和98.98%为GF-1数据集和GF-2数据集,分别。OA是增长了26.89%,11.79%,11.89%,和4.26%相比,传统的机器学习算法,如决策树分类器(DTC),支持向量机(SVM), k 最近的邻居(资讯)和随机森林(RF) GF-1数据集的测试;OA增长了32.31%,13.48%,9.77%,7.72%为GF-2数据集。耗费时间,粗略统计,OBIA-RF花223.55秒,SVM花403.57秒,然而花86.93秒,DT GF-1平均花费0.61秒,GF-2数据集。账户分类精度和运行时间,该方法具有良好的泛化能力和鲁棒性的复杂的城市表面与高分辨率遥感数据分类。SN - 1687 - 725 - 2020/8855509 / 10.1155 x你——https://doi.org/10.1155/2020/8855509——摩根富林明——《传感器PB - Hindawi KW - ER