基于改进决策树分类算法的遥感影像分类研究

针对现有分类器对遥感影像分类结果存不准确的问题,本文提出了一种基于决策树分类器的遥感影像分类方法,该方法以复合决策树Boost Tree思想为基础,首先利用分形理论中的毯模型提取遥感影像的纹理特征,根据遥感影像分类的特点,构造新的单棵决策树生成算法对遥感影像进行分类。以北京市五环内区域为研究区,使用landsat7 ETM数据源,实现了基于分形纹理特征、光谱特征的改进决策树分类。实验结果表明：通过毯模型提取的纹理特征可以很好地表达表面特征,辅以该纹理信息的改进决策树分类精度相比于只用光谱信息进行分类的精度有一定的提高,改善了分类效果。     

光谱模型结合面向对象法的山区水体提取北大核心CSCD

山区因地势起伏大、水体分布零散导致遥感提取水体信息精度不高。另外,对于高分二号(GF-2)影像,受限于只有4个波段,无法构建已有水体提取精度较高的指数。鉴于此,以泰山为研究区,采用GF-2影像,提出差异水体光谱模型结合面向对象法的水体信息提取方法,并与阴影水体指数决策树、改进的阴影水体指数决策树以及支持向量机3种方法进行对比。结果表明,该方法能够有效去除山体阴影的影响,较好地保持了水体信息,对细微水体也有良好的提取能力,在实验和验证影像中总体精度分别达到98.02%和97.33%,Kappa值分别达到0.9533和0.9334,均高于其他3种方法。该方法在准确提取水体的同时,有效减少“椒盐现象”的发生,可为类似山区水体提取提供一定的参考。     

基于Sentinel-1双极化数据改进水体提取的Otsu算法

基于SAR图像的阈值分割法是水体信息有效提取的常用方法之一。针对Otsu算法对于SAR影像水体提取精度低、噪声大的问题,以C波段Sentinel-1 SAR为数据源,提出一种基于Otsu算法的SAR图像水体提取新方法。该方法首先基于双极化数据构建自然指数函数,优化原始Sentinel-1数据图像像元直方图分布,再结合Otsu算法对图像进行水体提取,最后基于DEM数据去除误提取的山体阴影。以同一天的Landsat 8光学影像作为真实水体样本进行精度评定,结果表明：在不同水体占比情况下,该方法水体提取精度均优于Otsu算法,在水体占比小于10%时综合精度提升约为20%—60%,而且噪声小、适用性强,可用于快速高效获取大范围内水体信息。     

ETM+影像水体提取方法研究

以Landsat-7的ETM+为数据源,通过实验比较了阈值法、谱间关系法、改进的归一化差异水体指数法以及分类提取法对水体进行提取的效果,得出了谱间关系法易消除阴影的误提,单波段阚值法易消除居民地误提的结论,提出了综合谱间关系法和阎值法的方法,取得了好的提取效果,有效减少了误提现象.同时,针时阈值选取需经过反复试验的问题,提出了对(TM2+TM3)-(TM4+TM5)和TM5叠加影像进行聚类分割自动提取出水体,提取精度高且避免了阈值选取的繁琐.     

一种基于投票法融合的ASTER遥感影像水体提取方法

遥感影像在水资源调查和洪涝灾害监测中发挥着重要作用,但从遥感影像中提取水体通常面临着阴影和狭小水体漏提等难题。针对单一方法在水体提取中的局限性,引入分类器集成的思想,提出一种基于投票法融合的水体提取方法,首先利用Bagging、Random Forests和神经网络(NN)分类器对遥感影像进行分类,然后采用多数投票法从决策层融合3个分类结果,得到研究区水体提取结果。试验结果表明,该方法能够有效去除阴影且能较好地识别狭小水体,具有良好的应用效果。     

基于知识决策树的城市水体提取方法研究

针对城市水体与建筑物阴影、沥青路面和浓密植被等暗地物的光谱混淆性,构建了结合光谱特征和空间特征的城市水体提取知识决策树。其基本思路为：首先 利用短波红外波段提取暗地物,其次分别利用浓密植被在近红外波段和沥青路面在红波段中的反射率剔除这两类暗地物,再次利用空间密度特征剔除建筑物阴影,最 后根据面积对水体进行补充识别。与现有方法相比,本方法提出了城市水体提取中需关注的暗地物类型并开展针对性特征分析,并利用由噪声环境下密度聚类方法 （DBSCAN）描述的空间密度特征区分城市水体和建筑物阴影。对北京城区SPOT 5多光谱影像开展的实验得到的检测率为86.18%,虚警率为13.82%,表明本方法是基于 中分辨率多光谱影像提取城市水体的有效方法。     

基于知识决策树的城市水体提取方法研究

针对城市水体与建筑物阴影、沥青路面和浓密植被等暗地物的光谱混淆性,构建了结合光谱特征和空间特征的城市水体提取知识决策树.其基本思路为:首先利用短波红外波段提取暗地物,其次分别利用浓密植被在近红外波段和沥青路面在红波段中的反射率剔除这两类暗地物,再次利用空间密度特征剔除建筑物阴影,最后根据面积对水体进行补充识别.与现有方法相比,本方法提出了城市水体提取中需关注的暗地物类型并开展针对性特征分析,并利用由噪声环境下密度聚类方法(DBSCAN)描述的空间密度特征区分城市水体和建筑物阴影.对北京城区SPOT 5多光谱影像开展的实验得到的检测率为86.18％,虚警率为13.82％,表明本方法是基于中分辨率多光谱影像提取城市水体的有效方法.     

决策回归树提取水稻面积的关键特征波段

通过合理选取关键水稻特征波段,可有效提高利用决策回归树提取水稻面积的精度和效率。该文以湖南省常德市鼎城区为例,在CART决策树中引入水分胁迫指数(MSI)、归一化水体指数(NDWI)和归一化土壤指数(NDSI)进行水稻面积提取,并与基于缨帽变换所得湿度、绿度构建的决策树提取结果进行对比。提取结果表明:利用MSI、NDWI和NDSI等特征波段提取的水稻面积精度为93.96%,与基于绿度、湿度等特征波段所得精度相当,但决策树结构更为简单高效,在后续应用中具有推广前景。     

一种应用大津法的自适应阈值水体提取方法

针对基于单一阈值的大范围水体提取同时存在着漏提与误提的局限性,提出了基于大津法的局部范围阈值自适应确定的方法。通过分析水体与其背景地物的光谱特征,发现归一化水体指数(Normalized Difference Water Index,NDWI)直方图呈现明显的双峰分布,对NDWI使用大津法可以较准确地自动计算出水体与非水体的阈值。在初始阈值提取的水体信息的基础上,通过窗体提取局部范围的水体及其背景并进行局部自适应阈值的计算,实现自适应阈值水体信息的提取。使用环境小卫星影像对闽江流域进行水体提取实验,结果表明该方法可实现大范围水体快速提取,提取精度为95.25%,较全局统一阈值提取精度提高5.25%,并能在一定程度上消除地形阴影与建筑物等的影响,对细小水体的提取精度有所提高。     

遥感影像水体信息提取研究进展

水资源是人类社会赖以生存和发展的物质基础。遥感影像水体信息提取对水资源的监测、规划、保护、利用至关重要,一直受到专家学者的关注。针对国内外专家学者利用遥感影像进行水体信息提取的相关研究成果,文章按照阈值分割法、分类器模型法、基于"全域-局部"的提取法和光谱混合分析法4类,对前人提出的水体提取理论和方法进行归纳总结;在此基础上,指出制约水体信息提取精度的瓶颈和解决措施;最后对遥感影像水体信息提取的发展趋势进行展望。     

一种基于植被指数的遥感影像决策树分类方法

以江苏省徐州市为研究区,采用2000年ETM+多光谱影像作为遥感信息源,选择影像的光谱特征和归一化植被指数（NDVI）、绿度植被指数（GVI）、比值植被指数（RVI）等10种植被指数作为分类特征,基于See5决策树学习软件构建分类决策树,实现了研究区景观格局的遥感分类。研究结果表明,决策树分类法易于综合多种特征进行遥感影像的分类,植被指数参与到决策树分类中能够提高分类的总体精度。     

基于小波与GBDT的无人机传感器故障诊断

相对于有人飞行器,确保无人机传感器的正常工作更为重要.针对无人机传感器的故障诊断,提出了一种将小波特征提取与梯度提升决策树(GBDT)算法相结合的故障诊断方法.采用基于多层小波包分解的特征提取方法,将小波包分解系数与频带能量熵组合构成特征向量,相比单一的能量特征提取方法,有效提升了故障的可分性.采用梯度提升的策略对弱分类器进行迭代优化和线性组合,构成强分类器,使故障分类精度得到显著提高.仿真结果表明,该方法能有效进行特征提取和故障类型识别,且有较高的诊断精度和较强的泛化能力.     

Automated design of linear tree classifiers

An automated method is presented for the design of linear tree classifiers, i.e. tree classifiers in which a decision based on a linear sum of features is carried out at each node. The method exploits the discriminability of Tomek links joining opposed pairs of data points in multidimensional feature space to produce a hierarchically structured piecewise linear decision function. The corresponding decision surface is optimized by a gradient descent that maximizes the number of Tomek links cut by each linear segment of the decision surface, followed by training each node's linear decision segment on the data associated with that node. Experiments on real data obtained from ship images and character images suggest that the accuracy of the tree classifier designed by this scheme is comparable to that of the k-NN classifier while providing much greater decision speeds, and that the trade-off between the speed and the accuracy in pattern classification can be controlled by bounding the number of features to be used at each node of the tree. Further experiments comparing the classification errors of our tree classifier with the tree classifier produced by the Mui/Fu technique indicate that our tree classifier is no less accurate and often much faster than the Mui/Fu classifier.     

基于改进的代价敏感决策树的网络贷款分类

在网络贷款用户数据集中，贷款成功和贷款失败的用户数量存在着严重的不平衡，传统的机器学习算法在解决该类问题时注重整体分类正确率，导致贷款成功用户的预测精度较低。针对此问题，在代价敏感决策树敏感函数的计算中加入类分布，以减弱正负样本数量对误分类代价的影响，构建改进的代价敏感决策树；以该决策树作为基分类器并以分类准确度作为衡量标准选择表现较好的基分类器，将它们与最后阶段生成的分类器集成得到最终的分类器。实验结果表明，与已有的常用于解决此类问题的算法（如MetaCost算法、代价敏感决策树、AdaCost算法等）相比，改进的代价敏感决策树对网络贷款用户分类可以降低总体的误分类错误率，具有更强的泛化能力。     

An Efficient Content Based Image Retrieval using an Optimized Neural Network for Medical Application

Content Based Image Retrieval (CBIR) is a popular method to search and retrieve the similar images. For medical applications, it plays an important role to find the diseasessuch as breast cancer in human body. Many existing methods were presented for improving the performance of CBIR method. Nevertheless, retrieval time and accuracy of CBIR are further to be improved. To solve this issue, an optimal classifier is to be used in CBIR. In this paper, Artificial Neural Network based on Particle Swarm Optimization based (PSO-ANN) is presented as an optimized classifier. Also, the features of images such as shape, texture, mean and standard deviation are extracted. To increase the speed of the classification, these extracted features are to be clustered using k-means clustering algorithm. From the clustered features, similar images of query image are retrieved using the proposed PSO-ANN classifier. Simulation results prove that performance of this proposed CBIR outperforms than that of existing methods in terms of accuracy and CBIR time.

     

模糊聚类分析在乳腺癌图像分类中的应用

研究模糊聚类分析在医学图像数据挖掘中的应用。利用决策树算法对乳腺癌图像数据进行分类，实现了一个基于决策树算法的医学图像分类器，获得了分类的实验结果。该模型系统达到了较高的分类准确率，证明数据挖掘在辅助医疗诊断中有着广泛的应用前景。     

基于遥感图像水体识别与检测研究综述

地表水的勘测对于海岸线变化、环境保护、防灾减灾、水质检测都有重要的意义,借助遥感图像可以快速、反复、精确地获取到地表水的时空分布特征。文章调研国内外学者在遥感图像水体识别方向的研究成果,简述基于遥感技术的水体识别方法。其中,阀值法通过对水体和背景地物的光谱曲线进行分析,选取适合的阈值进行图像分割,操作简单便利,存在信噪比低、易将水体与背景地物混淆的问题。决策树法和自动提取水体法解决了阈值法的显著缺点,然而很难在精确度上得到进一步的提升。近年来,随着深度学习的广泛应用,逐渐被用于遥感图像的水体提取,深度学习方法具有优秀的特征提取能力,在提取精度上有很大提升,然而深度学习过度依赖带有标签的样本数据,因此具有一定的局限性。对样本进行标记需要消耗大量的时间、人力,因此,无监督学习对于遥感图像的水体识别具有重要意义。     

基于统计学习理论的人脸识别方法研究

人脸识别过程中，待识别人脸图像的预处理、特征选择与提取以及分类器的选择是非常重要的。利用核主成分分析方法提取的人脸图像特征信息能较好地反映人脸特征的非线性结构信息，然后将此特征数据作为支持向量机的输入数据、结合二叉树判别策略，能够实现对多类人脸图像的分类识别。实验结果表明该方法能够取得较好的识别效果。