基于特征增强技术的面向对象分类方法

编号 zgly0001348218

文献类型 期刊论文

文献题名 基于特征增强技术的面向对象分类方法

作者 曹宝  秦其明  张自力  马海建  邱云峰 

作者单位 北京大学遥感与地理信息系统研究所  北京大学遥感与地理信息系统研究所 北京100871  北京100871 

母体文献 水土保持研究 

年卷期 2008年01期

年份 2008 

分类号 TP391.41 

关键词 特征增强  面向对象  分类方法 

文摘内容 针对传统基于像元的分类方法不能满足对高分辨率影像(HRI)进行分类的矛盾,提出基于特征增强技术的面向对象分类方法(FETCOOCA)。并以北京市海淀区的SPOT5影像为例,考虑到影像中植被、水体和建筑物等地物之间的特征差异,对影像中地物的光谱、形状、纹理等信息进行特征增强处理,并结合面向对象的分类方法对其进行分类。最后,对FETCOOCA与传统基于像元的分类方法进行对比分析。结果表明:提出的FETCOOCA明显优于传统分类方法,它可以大幅度提高HRI的分类精度,有效抑制椒盐现象的发生,使分类后的图像含有更为丰富的语义信息。