典型文献
基于多特征融合与典型降维方法的高光谱影像分类
文献摘要：
高光谱影像的冗余信息给影像的分类效果带来一定的负面影响.本文利用CB法(CfsSubsetEval评估器结合Best-First搜索策略)与PCA变换两种降维方法,分别结合随机森林分类器对4种多特征融合方案(共8种组合)进行高光谱影像分类对比,基于分类的总体精度、Kappa系数探究提高高光谱影像分类的最佳组合方法.结果表明:①多特征融合可提升高光谱影像的分类效果,两种降维方法的分类精度均随地理特征、纹理特征、指数特征的加入而逐渐提高.②两种降维方法中,经CB法降维后的分类精度均比通过PCA变换降维的分类精度高.在构造的8种组合中,基于所有特征信息(光谱特征、地理特征、纹理特征、指数特征)的CB法分类精度最高,其总体精度为98.01％;Kappa系数为0.9699.
文献关键词：
高光谱影像;影像分类;降维;特征融合;随机森林
中图分类号：
作者姓名：
窦世卿;陈治宇;徐勇;郑贺刚;苗林林;宋莹莹
作者机构：
桂林理工大学测绘地理信息学院,广西 桂林541006
文献出处：
引用格式：
[1]窦世卿;陈治宇;徐勇;郑贺刚;苗林林;宋莹莹-.基于多特征融合与典型降维方法的高光谱影像分类)[J].测绘通报,2022(04):32-36,50
A类：
CfsSubsetEval
B类：
多特征融合,降维方法,高光谱影像分类,冗余信息,分类效果,CB,评估器,Best,First,搜索策略,随机森林分类器,融合方案,分类对比,总体精度,Kappa,最佳组合,组合方法,分类精度,随地,地理特征,纹理特征,特征信息,光谱特征
AB值：
0.243447
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
