论文部分内容阅读
本文将组合分类的思想引入到遥感影像目标提取中来，详细介绍了四种多分类器组合算法和一种多特征组合算法流程。多特征组合算法选用的是非线性的高阶BP神经网络对多维特征进行组合，多分类器组合算法分为抽象级组合和测量级组合，抽象级组合算法列举了最大投票法和索引表法，测量级组合算法列举了Bayesian平均法和AdaBoost组合法。
岩矿信息是地球表面的弱信息，相对于其它地物目标的提取来说，岩矿目标的提取对算法提出了更高的要求，首先介绍了岩石矿物的光谱特征并选择了合适的遥感多光谱数据-ASTER数据，以当前成熟的几种遥感分类算法为基础，依据蚀变矿物和岩性目标提取的特点，选择子分类器，提取子特征，最后运用组合分类算法将这些子分类器和子特征进行组合输出，得到优于单个分类器单个特征(反射率特征)的提取精度。最后对几种组合分类方法的适用范围和研究方向进行总结分析。
实验证明，岩矿目标的光谱强度和光谱波形特征的组合，岩类的纹理特征、酸基指数特征的组合均能够提高目标的提取精度，多分类器和多特征的组合分类思想为岩矿弱信息的提取提供了一种新的有效手段。
主要创新点和研究成果如下：
1) 将索引表法(BKS)和AdaBoost的组合算法从模式识别的其它领域引入到遥感影像分类，并应用于遥感岩矿目标提取取得良好的效果：
2)运用6S模型、暗像元法、查找表法反演地表反射率：
3)引入对岩性SiO<,2>含量有指示作用的Ninormiya指数，作为岩性的特征参与多特征组合分类；
4)编码实现高阶BP神经网络、AdaBoost、索引表法等组合分类算法。