用遥感手段对荒漠化进行监测是当前荒漠化研究的热点问题,传统的荒漠化遥感信息自动提取方法是基于光谱特征的图像分割,受多种因素的影响,分类精度的提高遇到瓶颈,因此基于知识的分类方法应运而生。CART是一种非参数化的分类与回归方法,在用于遥感影像自动分类时,可以方便地应用多源知识,提高分类精度。本文在分析了CART方法原理的基础上,针对荒漠化地区各种地物的特点,将包括地物光谱知识、纹理知识、植被盖度等在内的多种知识融入CART模型,克服了单纯利用光谱特征进行分类的不足,取得了85.94%的精度。
知识；荒漠化；CART；自动提取
相关论文推荐
利用高分辨率森林覆盖影像实现高山林线的自动提取
遥感影像的海岸线自动提取方法研究进展
基于分类回归树分析的遥感影像土地利用/覆被分类研究
基于GIS和元胞自动机的荒漠化演化预测模型
面向高分辨率遥感影像变化检测的可信差异筛选与结构细化方法
380
浏览量
717
下载量
0
评论量
文章被引用时，请邮件提醒。
提交
工具集
文献导出
分享
收藏
添加
