[1]龚循强,鲁铁定,刘星雷,等.高分辨率遥感图像场景线性回归分类[J].东华理工大学学报(自然科学版),2019,42(4):425-432.
点击复制

高分辨率遥感图像场景线性回归分类()
分享到:

《东华理工大学学报(自然科学版)》[ISSN:1674-3504/CN:36-1300/N]

卷:
42卷
期数:
2019年第4期
页码:
425-432
栏目:
OA栏目
出版日期:
2019-12-31

文章信息/Info

作者:
龚循强12 鲁铁定1 刘星雷1 周秀芳1 崔统博1
1.东华理工大学 测绘工程学院,江西 南昌 330013;2.东华理工大学 江西省数字国土重点实验室,江西 南昌 330013
关键词:
线性回归分类稳健加权总体最小二乘高分辨率遥感图像场景分类
分类号:
TP753
文献标志码:
A
摘要:
线性回归分类是图像识别领域中一种简单而有效的分类方法,目前通常采用最小二乘方法对分类模型进行参数估计。然而,同一场景中不同的遥感图像相对应位置的灰度值不完全相同,而且遥感图像还可能包含椒盐噪声和高斯噪声,这些均会造成遥感图像场景分类精度的降低。为了解决这一问题,笔者提出采用稳健加权总体最小二乘方法对线性回归分类模型的参数进行估计。采用两组高分辫率遥感图像场景数据进行实验,将该方法与最小二乘方法、稳健最小二乘方法和加权总体最小二乘方法进行比较评估。实验结果表明,稳健加权总体最小二乘方法能够同时考虑观测向量和系数矩阵的误差,能够有效减少椒盐噪声和较大高斯噪声的影响,从而获得更高的总体分类精度。
更新日期/Last Update: 2020-02-10