基于GLC面向对象遥感影像分类方法的研究与应用

在遥感影像分类中,传统的基于像元分类方法主要使用了光谱信息,由于分类信息过于单一致使很难解决"同光异谱"、"同谱异物"的难题。面向对象分类技术综合考虑目标地物的形状、纹理、光谱以及其他特征,在较高层次里实现了地物信息的提取,在减少信息遗失的同时提高了分类精度。本文主要介绍了面向对象遥感影像分类技术的基本原理和方法,并对C5.0决策树分类算法进行了改进和研究,构造出新的分类器GLC决策树,之后又基于该分类器对遥感影像进行面向对象分类,将结果与基于像元分类和使用SVM面向对象分类结果进行对比分析,从而验证了经过改进的C5.0算法应用于面向对象遥感影像分类的准确性和有效性。