论文研究-遥感图像分类研究 .pdf

所需积分/C币:9 2019-08-16 13:52:52 1.43MB .PDF
12
收藏 收藏
举报

遥感图像分类研究,王孟文,刘勇,本文对不同分类器算法在遥感图像地物识别上的分类效果进行研究与比较,基于分类器间的差异性选出一个分类器子集,通过组合算法将
山国武技论文在线 首先,了分类器要有定的分类精度。只有当了分类器的分类精度至少大于随札分类的 分类精度时,才能保证组合分类器的分类准确度高于任意一个子分类器的分类精度。本文 选取的几个分类器,在遥感图像测试集上的分类精度如表所示。由表中可以看出,每个分 类器的总体分类精度都优于随机分类的精度,因此可以用来进行多分类器的组合 表子分类器总休精度 子分类器名称 总体精度 最大似然法 神经网络 攴持向量机 近邻 最小距离法 其次,分类器组合系统要保证一定的效率。当多个分类器进行并行的计算的时候,分类 器组合系统的实际运算速度是取决于计算速率最慢的那个分类器的速度的。因此,当组合中 的某一个分类器的计算速度明显远远慢于其他分类器的时候,就要考虑将该分类器从组合中 移除。尽管该分类器的加入在理论上会增加分类器组合系统的分类性能,但是会牺牲分类器 组合系统计算效率。 最后,选择的分类器了集的差异性要尽可能的大。如果几个分类器在训练样本上的效果 完全一样,那么即使有多个分类器,其效果也只是和一个分类器广生的效果一样。本文在选 取分类器子集的过程中,基于统计量进行判断,用深度优先搜索的方式来寻找最优子集 如图所示,深度优先遍厉从起始点开始,先设置一个初始的值等于,接下来依次遍 历各个分类器组合的值,如果当前遍历到的分类器组合的值小于的值,则更新 的值并记录下当前的分类器组合。然后继续扁历,直到把所有可能的组合都遍历完一谝。 与Q0比较并 分类器2 更新返回 分类器1 与Q比较并 更新返回 起始点 分类器2 与Q比并 更新返回 与Q比较并 更新返回 图利用深度优先遍历搜索分类器集合的最优子集 山国武技论文在线 本文利用上述规则,最终从分类器集合中选择了由最大似然,神经网络,支持向量 机以及最小距离这四个分类器构成的子集作为多分类器组合系统的子分类器,既保证了多分 类组合系统的差异性,又提高了计算效率 多分类器组合算法原理与设计 组合算法设计 在多分类器系统中,分类器的组合方法按照输出级别可以分为面向决策的输出方法, 面向排序的输出方法和面向度量的输出方法。 本文的研究主要针对面向决縈输出法中的投票法。一般来说,投票法以子分类器作为 投票者,以所有可能的输岀类别作为被投票者。最简单的投票法将每个子分类尜看作平等的 投票个体。实际应用中,更多情况下是给不同的子分类尜赋予不同的权值。权值的选择是投 票法中一个主要的研究方向 通过遗传算法优化合成目标函数从而获得权值。等 人在投票者出现分歧时,将生产者精度最大的类别赋给未知像元。赵谊红等人提出直接 采用分类器的输出向量来计算各投票者的权值。本文在对投票法的研究中,提出的改进主要 包括:引入专家分类器的思想,提出权威极髙的错误专家这一概念,利用用户精度对投票 进行加权,在加权投票前排除精度较低的分类器。 本文设计的组合算法上要包含三个判断规则,依次为:系统内部的分歧判断,专家程度 判断以及用户精度加权判断。如图所示。 待样本人 多分类器系统 判 爱有分歧? 是 存在专家? 是权威极高的 错误专家? 否 到输出 结 果 排除精度最低的 用户持度加权 图木文所用组合算法 山国武技论文在线 分歧判断法 当一个待测的样本点输入到多分类器系统后,将每个子分类器对该样本点的分类结果做 个统计,如果得票数最多的类别对应的分类器数量大于一定的网值,则认为多分类器组合 系统内部不存在分歧,并将该类别作为多分类器组合系统的最终输出结果。否则多分类器组 合系统进入下一规则的判断。如图所小。图中的多分类器组合系统包含五个子分类器。对 于某个待测样本,有四个分类器将该样本判断为类别,另外·个分类器将该样本判断为类 别。类别对应的分类器占分类器总数的比例为如果该比例大于规定的阈值,则认 为多分类器组合系统内部不存在分歧,并将类别作为多分类器组合系统的输出结果;如果 该比例小于规定的阈值,则系统跳入下一规则。 出 别1 分器自 中别2 刚样本点 分器c 别 得票最别 大于调重行存在分 高类别 别1 输出, 入下一 出 分器重 是别1 图分歧判断法 专家判断法 当多分类器组合系统内部存在分歧时,系统就跳入下一个判断规则,即专家分类器判 断法。专家分类器体现了分类器对某·个地物类别识别的可信程度。本文通过用广精度来衣 示一个分类器在某类别上的专家程度。用户精度的物理意义为:分类器将样本点判断为某 个类别,而该样本点的真实类别同样为这个类别的概率。 专家分类器判断法如图所示。图中五个子分类器对待测样本点的分类结果为五个不同 的类别,其中,分类器在所输出结果类别上的用户精度最高,达到了如果这个 用户精度值小于阈值,则跳入下一步判断规则;如果人于阈值,则认为分类器在类别 上为专家分类器。如果这个专家分类器是权威极高的错误专家,则进入下一步判断规贝 否则,就以分类器的判断结果类别作为多分类器组合系统的输出结果。对于用户精度 的阈值设置,本文通过各个子分类器在训练样本上的效果,最终设置为,并取得∫不 错的效果。 山国武技论文在线 分坡器A 输H 类别1用户精度 输H 兴别2 户精庶 最高用户精度 大丁襯值 待测祥本点 分6)轴出:户桔摩 失动4用户精度 轮出 权感高的铸误专家? 入下一规则 分兴器 户精言 前出 图专家判断法 图中权威极高的错误专家是本文在研究中提出的一个新的概念。在未加入权威极高 的错误专家这一判断前,本文在对遥感图像做地物识别的时候,发现图像中大量的非水域 类别的像素点被判断为了水域,通过对样本数据与组合算法的分析,发现了造成这一现象的 原因,⊥要有以下三点: )由于本文在特征提取的时候主要使用遥感图像的光谱特征,而遥感图像当中的水域 部分在光诎特征上面的表现比较单一,并不能准确的反应整个样本空间中所有水域的整体分 布,因此,就出现了分类系统对水域类别的训练样本产生了过拟合的现象,即所有的分类器 在该类别上的专家程度都为百分之一百,这显然是不符合实际的,这种情况造成分类系统在 训练样木上表现很好,但是泛化能力却达不到理想的效果。 狳了会产生过拟合的现象夕,还有个问题就是无法满足差异性的要求。当每个分 类器都对水域这一类别的用户精度都是百分之百的时候,也就意味每个分类器在该类别上的 正确分类样本与错误分类样本都是完全一样的,由统计量的公式可知,用这样的子分类 器进行组合得到的多分类器组合系统是没有差异性的,这就不满足多分类器组合的前提条件 了。因此组合得到的系统肯定是不满足要求的。 )还有就是从评价指标来看,用户精度和牛产者精度是一对相互制约的关系。当每 个分类器在水域这个地物类别上的用户精度都达到百分之一百的时候,必然会导致每个分类 尜在该类别下的生产者精度都大大降低,在用户精度已经失去判断意义的情况下,生产者精 度又大大降低,必然会导敛分类结果性能难以达到满意的效果。 木文针对这一现象,提出权威极高的错误专家这一概念,认为上述情况中的分类器 在水域类别上虽然看似达到了专家程度,但本质是是·个权威极高的错误专家。为解决该 问题,本文对错误专家分类器的输出结果不予采纳,而是直接跳入下一个规则。通过这么一 个改进,使得多分类器组合系统在遥感图像上的分类效果得到了很大的改善。 用户精度加权法 当组合算法的前两个判饧都失败的情况下,系统将进入第三个判断,即用户精度加权法 山国武技论文在线 如图所示。对某·待测样本,个了分类器分别输出丘个不同的类别结果。其中分类器 在输出结果类别上的用户精度最低,为保证系统的可靠性,将分类器从投票集合中剔 除。分类器在输出结果类别上的用户精度最高,如果为权威极高的错误专家,则 将分类器也从投票阵营剔除,反之则参与投票。在投票过程中,每个分类器的投票杈值 由该分类器在当前输出类别结果上的用户精度进行加权,最终取得票值最高的类别作为多分 类器组合系统的最终输出结果。用户精度代表了分类器在该类别上的可信程度,按照用户精 度对投票进行加权,可以避免票数相同的情况出现,并可以从相近的类别中选出一个更接近 真实结果的 分类器A 翰出 用户精度 别 最低用户精度 剔除 出,[别2用户精 权威极高的是 分类器s 错误专袤? 别除 翰出 付测样本点 类用户精度 分类器D出类别<用户精度 抗照用精 度过行加 出结果 分药器E输出 别:用户精度 图用户精度加权法 实验结果及分析 组合分类器系统与子分类器评价指标对比 本文在实验过程中,共生成个训练样本,包含水体,绿色植被,十壤以及岩石四 个类别。利用这个训练样本进行训练,共生成了个子分类器(最大似然分类器, 神经网络,多重支持向量机分类器,近邻分类器,最小距离分类器),并分别对 个测试样本进行测试ε每个分类器对测试样本的混淆矩阵以及用户精度如图到图所示 山国武技论文在线 Command window 6958 5768 5926 118 5373 d user preclsion 1.00000.99861.00000.9783 ans 最大似然测试准确率=99.47 图最大似然分类器在浏试集上的评价 Command window himat 6960 5768 6000 33 0 26 5340 000 0 1se1preC工s1an 1.00000.99570.99450.9952 an= b神经网络测试准确率=9.65 图神经网络分类器在测试集上的评价 山国武技论文在线 Command window t 6960 5768 0 6000 0 0 43 5364 0 userpreclslon 1.00000.99860.99850.9920 ans 多重支持向里机测试准确率=99.75 > 图多重支持向量机分类器在测试集上的评价 Command window Lat 6960 0 0 5768 0 0 5985 0 61 5367 0 0 0 1se11ec工s1on= 0,99990.99930.99900.9888 ans kxru测试准确率=99.70 图近邻分类器在测试集上的评价 山国武技论文在线 Command window Ixmat 0 0 576g 0 200. 0 914 134 5352 0 0 userpreclslon 1.00000.99970.99600.9756 ans 最小距离法测试准确率=99.34 图最小距离分类器在测试集上的评价 由图到图可以看出,每个子分类器的总体分类精度都达到了以上,满足多分 类器组合的前提条件。其中,子分类器普遍对第一个地物类别的识别比较好,用户精度都达 到了以上。而在第个类别的识别方面,最小距离分类器算法的分类结果,要优于其 他几个分类器的效果,而神经网络在该类别上的用户精度,则相对低于其他几个分类器。在 第三个类别上,最大似然分类法的用户精度最高,达到百分百。而第四个类别上,则是 神经网络的效果最好,其用户精度达到了。因此,可以看出来,每个分类器都有一定 的差异性,这样在利用组合规则对分类器进行组合的时候,就可以通过分类器之间的互补性, 来提高组合分类系统的准确程度了。 利用多分类器组合系统对同样的测试样本进行分类,其分类结果如图所示。由图中 可以看出来,多分类器组合系统最终的总体分类精度达到了,比任意一个子分类器的 总体分类精度都要高。而且对之前各子分类器都难以正确判断的类别三样本与类别四样本, 多分类器组合系统也能做出比较好的分类,说明本文所设计的多分类器组合系统相对于传统 的单一分类器方法,的确有了一定的提升效果。

...展开详情
试读 17P 论文研究-遥感图像分类研究 .pdf
立即下载 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究-遥感图像分类研究 .pdf 9积分/C币 立即下载
1/17
论文研究-遥感图像分类研究 .pdf第1页
论文研究-遥感图像分类研究 .pdf第2页
论文研究-遥感图像分类研究 .pdf第3页
论文研究-遥感图像分类研究 .pdf第4页

试读结束, 可继续读2页

9积分/C币 立即下载