[发明专利]基于二叉决策树的高光谱遥感影像分类方法

权利要求书

1.基于二叉决策树的高光谱遥感影像分类方法，其特征在于，包括以下步骤：

（1）在一个决策树的节点处，获得待区分类别数number和待区分类别的信息category[classNum]；

（2）根据各个类别的样本灰度值进行统计计算，得出各类别在每个波段上的灰度均值和标准差，并在每个波段上按照灰度均值的大小对地物类别进行排序；

（3）根据公式                                                计算出每个波段上相邻两个类别间的交点，若该交点满足标准，则将该交点作为当前候选阈值记录下来；

（4）在当前节点的所有候选阈值之中，根据最佳阈值选择的标准选择出最佳阈值，此阈值可以划分当前特征空间；

（5）以该阈值为准当前处理的节点就可以生成两个子节点，左子节点包含特征值小于阈值的类别，右子节点包含特征值大于阈值的类别，同时统计子节点的number和category[classNum]信息；

（6）循环上述步骤，依次根据节点信息，处理所有节点，完成决策树的构建；

在构建二叉决策树时，首先依据的标准是类别间不重叠，然后遍历树的所有叶子节点，如果还有包含混合别的叶子节点存在，则降低标准，允许类别轻度重叠，继续构建决策树。

2.根据权利要求1所述的基于二叉决策树的高光谱遥感影像分类方法，其特征是：

在构建树的过程中，每次处理一个节点时，都要对当前所有待分类别根据它们样本的灰度均值进行排序，根据可分标准插入阈值，不但要判断该阈值是否能将相邻的两类区分，还要判断该交点是否能将所有待分类别区分为两大类；规定每个类别只被一个叶子节点所包括，即在处理某一个子节点时，之前已经被区分出的类别就不再参与判决。

3.根据权利要求1所述的基于二叉决策树的高光谱遥感影像分类方法，其特征是：

在选择出最佳的波段和最佳的阈值时，计算均值间的标准距离，其公式为：其中μ₁、μ₂、σ₁、σ₂分别是交点所对应两个类别在特征空间的均值和标准差；μ₁、μ₂差距越大，类间距离越大；σ₁、σ₂越小，则类内聚性越好，取d最大时所对应的阈值作为当前节点的判断规则，保证所选的阈值可以很好地区分两种类别，所用的波段的优势大于其他波段。