一种用于卫星图像多类标签识别的新型贝叶斯树集成分类器
统计方法学
2013-06-03 v2 计算机视觉与模式识别
机器学习
摘要
卫星图像分类是许多遥感应用的关键组成部分。原始卫星图像最重要的产品之一是分类图，它将图像像素标记为有意义的类别。尽管迄今为止已开发了多种参数和非参数分类器，但像素的准确标记仍然是一个挑战。在本文中，我们提出了一种新的可靠多类分类器，用于在遥感应用中识别卫星图像的类别标签。所提出的多类分类器是基于称为贝叶斯加性回归树 (BART) 的灵活回归树集成模型的二元分类器的推广。我们使用了 2009 年 8 月 15 日获取的 LANDSAT 5 TM 图像（路径/行号：08/29，L1T 产品，UTM 地图投影）中位于加拿大新斯科舍省 Kings County 的三个小区域来进行土地利用分类。我们使用了多种预测精度和不确定性度量，将所提出分类器的可靠性与遥感领域中最先进的分类器进行了比较。
引用
@article{arxiv.1304.4077,
title = {A new Bayesian ensemble of trees classifier for identifying multi-class labels in satellite images},
author = {Reshu Agarwal and Pritam Ranjan and Hugh Chipman},
journal= {arXiv preprint arXiv:1304.4077},
year = {2013}
}
备注
31 pages, 6 figures, 4 tables