Fusion of HJ1B and ALOS PALSAR data for land cover classification using machine learning methods
Fusion of HJ1B and ALOS PALSAR data for land cover classification using machine learning methods
复制标题
使用机器学习方法融合 HJ1B 和 ALOS PALSAR 数据进行土地覆盖分类
DOI：
10.1016/j.jag.2016.06.014
复制
发表时间：
2016-10
影响因子：
7.5
通讯作者：
Du, L. T.
中科院分区：
文献类型：
--
作者：
Wang, X. Y.;Guo, Y. G.;He, J.;Du, L. T.
遥感图像分类对于监测环境变化变得越来越迫切。探索有效的算法来提高分类精度是至关重要的。本文探讨了利用多光谱HJ1B和高级陆地观测卫星(PALSAR)L波段(相控阵L波段合成孔径雷达)进行土地覆盖分类的学习算法。利用支持向量机(SVM)和随机森林(RF)两种机器学习算法对HJ1B数据和HJ1B和ALOS/PALSAR融合图像进行分类，比较了基于像素和基于对象的分类方法，以检验哪种算法在干旱半干旱地区分类精度最高。当使用支持向量机分类器时，基于像素的分类(融合数据：79.0%；HJ1B数据：81.46%)和基于对象的分类(融合数据：80.0%；HJ1B数据：76.9%)的总体准确率相对接近。使用RF算法对融合数据进行分类，基于像素的分类获得了较高的总体准确率(85.5%)，而使用基于对象的图像分析的RF分类器的总体准确率较低(70.2%)。研究表明，基于像素的分类比基于HJ1B图像和融合数据的基于对象的分类使用的变量更少，分类效果相对更好。一般来说，HJ1B和ALOS/PALSAR图像的融合可以提高基于像元的图像分析和RF分类器的总体精度5.7%。
Image classification from remote sensing is becoming increasingly urgent for monitoring environmental changes. Exploring effective algorithms to increase classification accuracy is critical. This paper explores the use of multispectral HJ1B and ALOS (Advanced Land Observing Satellite) PALSAR L-band (Phased Array type L-band Synthetic Aperture Radar) for land cover classification using learning-based algorithms. Pixel-based and object-based image analysis approaches for classifying HJ1B data and the HJ1B and ALOS/PALSAR fused-images were compared using two machine learning algorithms, support vector machine (SVM) and random forest (RF), to test which algorithm can achieve the best classification accuracy in arid and semiarid regions. The overall accuracies of the pixel-based (Fused data: 79.0%; HJ1B data: 81.46%) and object-based classifications (Fused data: 80.0%; HJ1B data: 76.9%) were relatively close when using the SVM classifier. The pixel-based classification achieved a high overall accuracy (85.5%) using the RF algorithm for classifying the fused data, whereas the RF classifier using the object-based image analysis produced a lower overall accuracy (70.2%). The study demonstrates that the pixel-based classification utilized fewer variables and performed relatively better than the object-based classification using HJ1B imagery and the fused data. Generally, the integration of the HJ1B and ALOS/PALSAR imagery can improve the overall accuracy of 5.7% using the pixel-based image analysis and RF classifier.
登录
查看更多内容
DOI：
10.1016/s0031-3203(04)00103-7
发表时间：
2004-09
期刊：
--
影响因子：
--
作者：
Gonzalo Pajares Martinsanz;J. García
通讯作者：
Gonzalo Pajares Martinsanz;J. García
影响因子：
3.4
作者：
Y. Ban;Hongtao Hu;I. Rangel
通讯作者：
Y. Ban;Hongtao Hu;I. Rangel
影响因子：
3.4
作者：
M. González-Audícana;X. Otazu;O. Fors;A. Seco
通讯作者：
M. González-Audícana;X. Otazu;O. Fors;A. Seco
影响因子：
3.4
作者：
Pal, M
通讯作者：
Pal, M
影响因子：
1.9
作者：
Zhu, Xuan
通讯作者：
Zhu, Xuan