论文部分内容阅读
高空间分辨率的遥感传感器技术的发展使得更多的遥感信息可以参与到遥感计算机分类过程中。但是由于过多的影像信息同时参与地物信息提取与分类，不但增加计算机的负担和处理时间，而且冗余的数据反而影响对地物的提取,降低分类精度。因此借助特征选择技术，从众多参考信息中找到分类精度最高的特征子集就尤为重要。特征选择技术包括两个部分：搜索算法和评价指标。在本文中，利用遗传算法做为搜索算法在指定波段数下选择待评价特征子集，利用评价指标找到最佳的波段组合方案。本文选取常用的J-M距离测度、熵测度和Kappa系数作为评价指标比较它们最优的特征子集的分类性能。