论文部分内容阅读
遥感影像分类是获取土地利用/覆盖信息最便捷的一种途径,但遥感影像中常会存在同谱异物或同物异谱等影响分类精度的因素,另外.受单分类器的局限性和针对性的制约,分类精度难以达到提取土地利用/覆盖信息的要求或是其中某一类别的分类精度达不到。针对这些问题,本文设计一种多层次控制的多分类器融合算法。该算法利用EPD差异性度量法提前预测多分类器融合中单分类器数量和组合方式,同时基于加权投票法和AdaBoost.M2实现对遥感影像的再分类,并且定义可信系数评价分类图像的精度和稳定程度。通过对比多层次控制的多分类器融合算法和贝叶斯多分类器融合算法分类图像的可信系数,验证了EPD差异性度量能够有效地减少多分类器融合中分类器数量和数据冗余,提高多分类器融合算法的整体性能和分类效率,并且多层次控制较单一多分类器融合算法能够获取更高的分类精度和可信系数,也验证了多层次控制多分类器融合算法具有良好的鲁棒性和泛化性。