英語(yǔ)翻譯
摘要
高光譜遙感影像具有數(shù)十至數(shù)百個(gè)各波段的數(shù)據(jù),為人們了解地物提供了豐富的信息,這對(duì)地物的分類和目標(biāo)的識(shí)別是十分有利的.高光譜遙感數(shù)據(jù)記錄了地物目標(biāo)的連續(xù)光譜.和其他類型的遙感影像相比,信息量更豐富,因而具備了識(shí)別更多種類的地物目標(biāo),以及以更高的精度進(jìn)行目標(biāo)分類的能力.但是,由于高光譜遙感影像數(shù)據(jù)量大,且存在數(shù)據(jù)冗余的現(xiàn)象,目前在對(duì)其進(jìn)行分類時(shí),常常需要先對(duì)數(shù)據(jù)進(jìn)行降維,再利用其他一些分類算法分類.這樣做增加了工作量,整個(gè)分類過(guò)程未能實(shí)現(xiàn)“一體化”、“自動(dòng)化”.
決策樹算法具有靈活、直觀、清晰、強(qiáng)健、運(yùn)算效率高等特點(diǎn),在遙感影像分類領(lǐng)域值得研究.目前比較成熟的決策樹算法有ID3算法、C4.5算法、CART算法、C5.0算法等,它們比較適用于離散型的數(shù)據(jù)集的分類,且處理的數(shù)據(jù)集大小有限,因此用來(lái)處理遙感數(shù)據(jù)就存在著一定的不足,需研究一種適合于遙感影像分類的決策樹.
將決策樹分類技術(shù)與高光譜遙感數(shù)據(jù)分類相結(jié)合,可以利用決策樹的優(yōu)勢(shì),充分挖掘高光譜數(shù)據(jù)中最有用的信息,對(duì)于研究高光譜遙感影像分類新方法,對(duì)于提高地物目標(biāo)的識(shí)別能力和分類精度,都具有重大的理論和實(shí)際意義.本文研究了基于決策樹的高光譜遙感影像分類方法,提出了一種決策樹自動(dòng)構(gòu)建算法.試驗(yàn)通過(guò)對(duì)高光譜遙感影像進(jìn)行現(xiàn)場(chǎng)采樣,對(duì)樣本進(jìn)行訓(xùn)練,從而自動(dòng)生成一棵二叉分類決策樹,并對(duì)影像進(jìn)行分類.決策樹在每個(gè)決策節(jié)點(diǎn)處選擇最具優(yōu)勢(shì)的波段和閾值,整棵樹簡(jiǎn)單明了,分類規(guī)則易于理解,分類效率和精度都比較高.實(shí)現(xiàn)了高光譜遙感影像從數(shù)據(jù)降維、樣本選擇、樣本訓(xùn)練、決策樹生成、影像分類的“一體化”和“自動(dòng)化”.
關(guān)鍵詞：二叉決策樹,高光譜遙感影像分類,均值間標(biāo)準(zhǔn)距離,最佳閾值,自動(dòng)構(gòu)建