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。