.png){kind=icon}
返回
Object-based classification of hyperspectral data using Random Forest algorithm
.png){kind=icon}
OA
AI
DOI：10.1080/10095020.2017.1399674.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于对象的高分辨率高光谱数据分类的新框架。此多步框架基于多分辨率分割 (MRS) 和随机森林分类器 (RFC) 算法。第一步是确定输入特征的权重，同时使用具有MRS的基于对象的方法来处理此类图像。给定大量的输入特征，需要一种自动方法来估计该参数。此外，我们使用变量重要性 (VI) (RFC的输出之一) 来确定每个图像带的重要性。然后，基于该参数和其他所需参数，将图像分割成一些同质区域。最后，基于片段的特征执行RFC，以将其转换为有意义的对象。所提出的方法以及传统的基于像素的RFC和支持向量机 (SVM) 方法被应用于具有不同光谱和空间特征的三个不同的高光谱数据集。这些数据是通过HyMap，机载棱镜实验 (APEX) 和紧凑型机载光谱成像仪 (CASI) 高光谱传感器获取的。实验结果表明，该方法对各地区土地覆盖制图具有较好的一致性。通过所提出的方法获得的HyMap，APEX和CASI数据集的总体分类精度 (OA) 分别为95.48，86.57和84.29%。此外，与基于光谱的分类相比，该方法显示出更高的效率，因为所提出方法的OAs分别比传统的RFC和SVM分类器高5.67和3.75%。
Keyword:
Object-based classification
Random Forest algorithm
multi-resolution segmentation (MRS)
hyperspectral imagery
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
G
IF:
5.5
论文数:
862
被引数:
2.4K
机构
引用论文
.png){kind=icon}
分享收藏
An automated object-based approach for the multiscale image segmentation of forest scenes一种基于对象的森林场景多尺度图像自动分割方法
PREAI
分享收藏
查看更多内容