多传感器图像融合对分类精度的影响
计算机视觉与模式识别
2013-08-22 v1
摘要
本文聚焦于两个主要问题：第一个问题是利用段融合（SF）研究多传感器图像组合对监督学习分类精度的影响；第二个问题试图通过使用平行六面体（Pp）、马氏距离（MD）、最大似然（ML）和欧氏距离（ED）四种分类器，研究遥感图像的监督机器学习分类技术，并评估它们各自分类的精度，以选择最佳的遥感图像分类技术。本研究利用 QuickBird 多光谱数据（MS）和全色数据（PAN），通过 ALwassaiProcess 软件展示了融合图像相对于原始图像的增强效果及精度评估。根据本研究的实验结果，测试表明融合图像的监督分类结果优于多光谱（MS）图像。此外，尽管普遍认为最大似然分类器是最准确的分类器，但结果显示欧氏距离分类器具有鲁棒性，且提供的结果优于其他分类器。
引用
@article{arxiv.1308.4440,
title = {Influences Combination of Multi-Sensor Images on Classification Accuracy},
author = {AL-Wassai Firouz and N. V. Kalyankar},
journal= {arXiv preprint arXiv:1308.4440},
year = {2013}
}
备注
Available Online at http://www.ijarcs.info/ Volume 4, No. 9, July-August 2013