基于对象分析的土地覆被提取方法对比

钟萧俊，秦梦谣

（兰州大学，甘肃 兰州 730000）

遥感传感器的空间分辨率和光谱分辨率不断提高，尤其是高光谱分辨率的提高，使高光谱遥感成为遥感最重要的研究方向之一[1]。杜培军等认为高光谱遥感影像分类要继续引入模式识别与机器学习领域的新理论、新模型，发展更先进、更有效的高光谱影像分类方法[2]。刘大伟等针对高分辨率影像应用DBN 对高分辨率影像进行了基于光谱-纹理特征的分类，并与其他算法做了对比[3]。李朝奎等应用不同算法基于面向对象和规则进行了分类研究[4]。张寅丹等基于实验得出了监督方法更适合分析高分辨率遥感影像的特定目标地物提取的结论[5]。因此，本文基于对象针对监督分类算法，对比数据挖掘中的KNN、J48、SMO 三种方法，建立了靖远县地区的土地覆被。

1 研究方法

1.1 最邻近方法

KNN 分类算法是一种简单有效的高光谱影像的分类方法，是数据挖掘领域的经典算法。其思路是找到距离样本特征空间最近样本，如果这K 个样本大多数都属于同一个类别，则该样本也属于这个类别。该方法在面对高空间分辨率和高光谱分辨率时会面临维度灾难、运算时间长的问题。因此，陆海霞等做了基于对象的KNN 算法的研究，认为基于对象的KNN 算法能显著降低运算时间[6]。王小美等基于测定距离对KNN 算法进行改进，得到适用于高光谱遥感数据的分类方法[7]。王佃来等基于BP改进的KNN 算法进行了土地覆盖分类的研究，提高了KNN 算法的精度[8]。……