提高城市TM图像分类精度的两种方法比较

作者：王修信; 秦丽梅; 罗涟玲; 农京辉; 朱启疆

来源：广西师范大学学报(自然科学版), 2009, (04): 19-22.

DOI：10.16088/j.issn.1001-6600.2009.04.028

• 遥感图像
• 城市分类
• 混合像元分解模型
• 神经网络法
• 决策树法 remote sensing image
• urban classification
• mixed pixel decomposing model
• neural network
• decision tree

城市遥感图像分类是获取城市绿地空间分布状况的基础,然而混合像元的存在导致分类精度不高。因此,提出了混合像元分解模型结合神经网络法(MPD-NN法),利用其对北京市TM图像进行地物分类,并与较常用的决策树法分类结果比较,研究在图像现有空间分辨率的条件下提高城市分类精度。结果表明,MPD-NN法分类可较为有效地处理城市遥感图像存在的混合像元问题,可以提高城市分类精度,分类精度高于决策树法,其总体精度和Kappa精度均将近90%,水体、草地、农田、裸地、林地的分类精度在85%以上,高密度建筑区、低密度建筑区、水泥地的分类精度接近80%,也均高于决策树法,是遥感分类较精确识别城市下垫面地物的一种可行方...