长江科学院院报 ›› 2015, Vol. 32 ›› Issue (10): 121-125,133.DOI: 10.11988/ckyyb.20140194
王新云1a,田建2,郭艺歌1a,何杰1b
WANG Xin-yun1, TIAN Jian3, GUO Yi-ge1, HE Jie2
摘要: 为寻求一种有效的提高多源遥感数据土地覆被分类制图精度的方法,探讨了融合HJ1B和ALOS/PALSAR图像进行遥感图像分类制图的方法。在对光学图像HJ1B和雷达遥感数据ALOS/PALSAR进行离散小波融合的基础上,应用分类决策树CART(Classification and Regression Tree)算法对融合的图像进行了土地覆被分类制图,并将其分类结果与支持向量机SVM(Support Vector Machine)分类结果进行对比。研究结果表明:将光学和雷达图像数据进行离散小波融合,采用分类决策树CART和支持向量机SVM进行图像分类,CART的分类精度要优于SVM的结果。可见,在光学图像HJ1B和雷达数据ALOS/PALSAR融合的基础上,应用CART能有效进行地物识别,提高图像的分类精度。
中图分类号: