高光谱图像植被类型的CART决策树分类

董连英,邢立新,潘 军,王 静,李丽丽,焦健楠

(吉林大学 地球探测科学与技术学院,长春 130026)

0 引 言

近年来,随着高光谱遥感分析处理技术的不断发展,使高光谱遥感应用的宽度和广度都大为扩展。高光谱遥感在植被中的应用研究一直得到广泛关注,其中以植被的高光谱遥感分类最多。高光谱遥感是将光谱技术与成像技术相结合,以纳米级的超高光谱分辨率对目标地物进行成像,同时获取数十至数百个波段,产生一条完整而连续的光谱曲线,能全面反映自然界中各种植被固有的光谱特性以及其间的细节差异,从而大大提高植被分类识别的精细程度和准确性[1,2]。

作为一种基于空间数据挖掘和知识发现的监督分类方法,决策树是一种有效的高光谱影像分类方法。决策树的基本思想是:按照一定的规则把遥感数据集逐级往下细分,以得到具有不同属性的每个子类别[3-5]。常规决策树的规则一般是根据经验和目视解译人为设定,受人为主观的影响较大。而CART(Classification and Regression Tree)算法可按一定的算法自动选择分类特征并确定节点阈值,能处理其他算法不能处理的非数值型数据,是决策树模型的典型代表[6]。目前CART算法用于多光谱遥感分类研究已比较成熟,而在高光谱遥感领域却较少。

笔者以长白山的EO_1Hyperion高光谱遥感图像为数据源,采用基于CART算法的决策树分类方法对图像进行分类,获得了较好的效果。

1 研究区概况及数据预处理

1.1 研究区概况

研究区位于长白山自然保护区境内,地理位置为127°53′～128°21′E,41°57′～43°1′N。……