[发明专利]多分类器自适应权值融合的影像分类方法及系统

说明书

技术领域

本发明属于遥感影像应用领域，特别是涉及多分类器自适应权值融合的遥感影像分类方法及系统。

背景技术

遥感影像分类是遥感解译研究的一个重要方面，很多遥感应用都与影像分类直接相关。传统的遥感影像分类技术多是建立在概率统计模型基础上的像素级方法。统计分类方法一般分为两种：监督分类法和非监督分类法。监督分类方法需要一定的先验知识，如样本的概率分布和高质量的训练样本，由于遥感影像通常较为复杂，其数据样本特征维数较多，而多维或者高维特征的数据样本很难服从一个确定的概率分布或分布无规律，同时高质量的训练样本的获取也是一个难点，监督分类方法的效果受到限制，无法达到理论上的最优。相关的文献有：Richards，J.A.，Xiuping Jia.Using Suitable Neighbors to Augment the Training Set in Hyperspectral Maximum Likelihood Classification[J].IEEE Geoscience and Remote Sensing Letters，2008，.5(4)：774-777.Parrinello T，Vaughan R.A.On comparing multifractal and classical features in minimum distance classification of AVHRR imagery[J].International Journal of Remote Sensing，2006，27(18)：3943-3959.非监督分类方法是在遥感影像上地物属性不具有先验知识的情况下，以集群理论为基础，通过对全部样本统计特征的差异进行聚类分析，建立决策规则，从而实现对整幅影像的分类。非监督分类方法的缺点在于事先很难确定全局最优的类别数量和初始类别中心，目前一般采取人工观察的方法提供。相关的文献有：International Journal of Remote Sensing，2006，27(18)：3943-3959.Venkatalakshmi K，Shalinie S.Mercy.Multispectral image classification using modified k-Means algorithm[J].Neural Network World，2007，17(2)：113-120.Melesse Assefa M.，Jordan Jonathan D.A comparison of fuzzy vs.augmented-ISODATA classification algorithms for cloud-shadow discrimination from Landsat images[J].Photogrammetric Engineering and Remote Sensing，2002，68(9)：905-911.