《表4 4种分类算法总体精度对比Tab.4 Comparison of the overall accuracies of the four classifiers》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于特征空间优化的随机森林算法在GF-2影像湿地分类中的研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

依据本文建立的湿地分类体系，通过研究区影像影像观察可知，除了房屋和旱地形状较为规则外，湿地主要类型形状并不规则，而光谱特征却较为明显。因此，对影像进行分割时设置形状因子权重为0.4和紧致性因子权重为0.5，而光谱因子总权重为0.6（其中NDVI、NDWI权重分别都为1，PC1、PC2权重分别为0.92和0.08），在此条件下通过3.2节讲述的方法，设置不同的分割尺度，对GF-2影像进行了19次分割实验，最终插值得到最佳分割尺度为78.5，如图3所示。本文通过实地调查以及图像目视判读的方法选取了382个样本点，并在影像最佳分割的基础上利用样本点创建了365个以对象为单位的训练样本，共计1 625 563个像元。然后使用第3节讲述的方法，从GF-2影像中进行了特征提取和优化，初始提取51个特征并基于特征重要性（图4）经过实验（图5）选取了前40个特征组成用于随机森林分类的特征空间，最终得到分类总体精度为93.038%，kappa指数为0.9177，而优化特征空间之前得到的分类总精度为90.937%，精度提高了2.101%。同时，本文使用同样的训练样本集，对研究区影像分别采用SVM、CART、KNN分类算法进行了实验，得到的分类结果表明随机森林算法在湿地分类中精度最高（表4），分类结果如图6所示。