遥感数据的BN与ML分类对比研究  

Study on Remote Sensing Data Classification Comparing with Using BN and ML Methods

作　　者：戴芹[1] 陈雪[1] 马建文[1] 李启青[1] 冯春[2] 

机构地区：[1]中国科学院遥感应用研究所遥感信息科学开放实验室,北京100101 [2]中国地质大学国土资源与高新技术研究中心,北京100083

出　　处：《计算机工程》2005年第15期35-36,86,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(40371086)

摘　　要：选择了北京奥运主场馆及其周围的地区作为实验区,购置陆地卫星ETM+6个波段数据,从学习机制和技术流程上对贝叶斯网络分类和最大似然分类进行了对比,实验结果表明:贝叶斯网络分类方法在提高遥感数据的分类精度方面具有较大的研发潜力,贝叶斯网络为遥感数据分类处理提供了一种可选择途径。Taking the Landsat TM data in Beijing Olympic games and the surrounding areas acquired in May 29th, 2003 as example image and with the same study dataset, this paper classifies the image into four kinds of land use class separately using Bayesian network model and maximum likelihood model. From the result of classification with two methods, accuracy of bare place and water are same by the large, and accuracy of urban land and plat land can be seen, using the Bayesian network is higher than using maximum likelihood.

关 键 词：遥感数据 贝叶斯网络分类 最大似然分类 

分 类 号：TP72[自动化与计算机技术—检测技术与自动化装置]