遙感多分類器集成方法與應(yīng)用

目錄
“地球觀測與導(dǎo)航技術(shù)叢書”編寫說明
前言
第1章 緒論 1
1.1 遙感影像分類基礎(chǔ) 1
1.2 遙感影像分類技術(shù)流程和關(guān)鍵問題 9
1.3 常用遙感影像分類方法 13
1.4 遙感多分類器集成概述 26
1.5 遙感影像分類研究進展 28
參考文獻 30
第2章 集成學習與多分類器系統(tǒng) 38
2.1 集成學習理論基礎(chǔ) 38
2.2 多分類器系統(tǒng) 41
2.3 遙感多分類器集成實現(xiàn)方法 43
2.4 遙感多分類器集成關(guān)鍵問題 45
2.5 本章小結(jié) 49
參考文獻 49
第3章 基于樣本和特征的多分類器集成 54
3.1 Boosting算法實現(xiàn)與應(yīng)用 54
3.2 Bagging算法實現(xiàn)與應(yīng)用 60
3.3 MultiBoost算法實現(xiàn)與應(yīng)用 61
3.4 隨機子空間算法實現(xiàn)與應(yīng)用 63
3.5 隨機森林算法實現(xiàn)與應(yīng)用 64
3.6 算法綜合試驗與比較分析 67
3.7 本章小結(jié) 74
參考文獻 74
第4章 基于旋轉(zhuǎn)森林的遙感影像分類 79
4.1 旋轉(zhuǎn)森林原理 80
4.2 嵌入馬爾可夫隨機場模型和局部線性特征提取的旋轉(zhuǎn)森林分類 91
4.3 基于擴展形態(tài)學剖面和極限學習機的旋轉(zhuǎn)森林 99
4.4 基于旋轉(zhuǎn)森林的全極化SAR影像分類 109
4.5 本章小結(jié) 122
參考文獻 122
第5章 異質(zhì)分類器集成方法與應(yīng)用 126
5.1 多分類器層次型組合與應(yīng)用 126
5.2 監(jiān)督/半監(jiān)督特征提取與多分類器集成應(yīng)用 130
5.3 異質(zhì)分類器決策級融合與應(yīng)用 136
5.4 動態(tài)多分類器集成與應(yīng)用 139
5.5 基于支持向量機的分類器集成方法 153
5.6 本章小結(jié) 158
參考文獻 158
第6章 遙感多分類器集成應(yīng)用 161
6.1 全極化SAR影像多分類器集成應(yīng)用 161
6.2 基于多分類器集成的光學和SAR影像協(xié)同分類應(yīng)用 184
6.3 高分辨率光學影像與機載LiDAR數(shù)據(jù)多分類器集成 195
6.4 基于多差異影像集成的變化檢測 208
6.5 本章小結(jié) 218
參考文獻 218
彩圖