结合KPCA和多尺度纹理的IKONOS遥感影像决策树分类

作者：谢丽军; 张友静; 张子衡; 陈李家

来源：遥感信息, 2010, (03): 88-93.

• 核主成分分析(KPCA)
• 多尺度纹理
• IKONOS
• 决策树 kernel principal component analysis
• multi-scale texture
• decision tree

城市地物类型多样,空间分布复杂,具有很强的非线性特征。核主成分分析(KPCA)通过将特征空间映射到高维核空间,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。本文在加入多尺度纹理特征的基础上,以应用地物分布的空间细节信息;且利用核主成分分析(KP-CA)方法对光谱和纹理量提取非线性特征信息,增大类别之间的可分性;并结合决策树分类方法对IKONOS遥感影像分类。实验结果表明:KPCA能很好提取地物之间的非线性特征,结合KPCA和多尺度纹理的决策树分类方法能有效地提取地物类型,提取精度为79.3%,KAPPA系数为0.763.

• 单位
  水文水资源与水利工程科学国家重点实验室; 河海大学