-
题名基于KPCA和SAM的城市植被遥感分类研究
被引量：13
- 1
-
-
作者
张友静
黄浩
马雪梅
-
机构
河海大学水文水资源与水利工程国家重点实验室
河海大学遥感与地理信息系统研究所
-
出处
《地理与地理信息科学》
CSCD
北大核心
2006年第3期35-38,共4页
-
文摘
研究高分辨率遥感城市绿地信息自动提取技术是城市遥感技术应用亟待解决的问题之一。城市绿地分布破碎,林种多样,林相不齐,具有极强的非线性特征。核主成分分析(KPCA)可以表达图像像素间的高阶关系,因而可以提取图像的非线性特征,同时提供一组相互独立的主成分。通过实验分析核函数的参数,比较变换前后的平均可分性,进行波段选择。将KPCA与SAM分类方法结合,构建基于KPCA的SAM城市植被分类方案。实验结果表明,该方案比传统的分类方法精度高。城市6种绿地类型的分类总精度为80.6%;合并为草地、园地与林地绿地类型时分类总精度达91.7%,可以满足城市植被分类与生态评价的需求。
-
关键词
高分辨率卫星影像
核主成分分析(KPCA)
光谱角度制图
城市植被分类
-
Keywords
high resolution satellite image
Kernel Principal Component Analysis
Spectral Angle Mapping
citys vegetation classification
-
分类号
TP79
[自动化与计算机技术—检测技术与自动化装置]
Q948.152
[生物学—植物学]
-
-
题名基于决策树和混合像元分解的城市扩张分类
被引量：5
- 2
-
-
作者
马雪梅
陈亮
俞冰
徐锋
-
机构
聊城大学环境与规划学院
河海大学遥感与地理信息系统研究所
河海大学电气工程学院
-
出处
《测绘通报》
CSCD
北大核心
2006年第10期9-11,32,共4页
-
文摘
当今,城市扩张备受关注,通过遥感影像可以快速获取土地利用信息,但由于混合像元现象的存在,使得影像分类精度很难提高。首先对影像作决策树分类,获得初步分类结果和混合像元区域,然后利用混合像元线性分解模型对其进行分解,最后利用地学知识和野外调查资料进行结果后处理。实验结果表明:从两年的建筑信息的分类精度基本保持在80%以上,总体分类精度接近90%,Kappa系数达到0.84来看,此结果能够满足城市扩张分析的要求。
-
关键词
决策树分类
混合像元分解模型
城市扩张
-
分类号
P237
[天文地球—摄影测量与遥感]
-
