分类是遥感影像处理分析的重要内容和研究热点，针对遥感影像分类中不同分类器各具优势、相互补充的特点，将模式识别领域的研究热点-多分类器系统引入遥感领域，系统介绍了遥感多分类器集成理论、方法和典型应用。全书内容包括七章：第一章介绍了遥感影像分类进展，通过对不同分类器的比较与分析，构建了分类器集合；第二章从理论与实例两方面，探讨了集成学习和多分类集成的理论基础，分析了分类器多样性与互补性的评价，介绍了分类器选择的常用指标和方法；第三章重点探讨了基于样本操作和特征变换的多分类器集成方法，重点是Boosting、Bagging、RandomForest等方法的应用；第四章将先进的集成学习方法RotationForest用于遥感影像分类，实现了RotationForest从特征旋转、基分类器改进到空间光谱特征综合的拓展应用；第五章分析了基于异质分类器组合的多分类器集成方法，对多分类器选择、组合等进行了分析；第六章探讨了遥感多分类器集成在高光谱、多光谱和全极化SAR影像分类与变化检测中的若干应用实例，介绍了遥感多分类器系统的设计与开发，对今后的发展趋势进行了探讨。

更多科学出版社服务，请扫码获取。

目录
“地球观测与导航技术丛书”编写说明
前言
第1章 绪论 1
1.1 遥感影像分类基础 1
1.2 遥感影像分类技术流程和关键问题 9
1.3 常用遥感影像分类方法 13
1.4 遥感多分类器集成概述 26
1.5 遥感影像分类研究进展 28
参考文献 30
第2章 集成学习与多分类器系统 38
2.1 集成学习理论基础 38
2.2 多分类器系统 41
2.3 遥感多分类器集成实现方法 43
2.4 遥感多分类器集成关键问题 45
2.5 本章小结 49
参考文献 49
第3章 基于样本和特征的多分类器集成 54
3.1 Boosting算法实现与应用 54
3.2 Bagging算法实现与应用 60
3.3 MultiBoost算法实现与应用 61
3.4 随机子空间算法实现与应用 63
3.5 随机森林算法实现与应用 64
3.6 算法综合试验与比较分析 67
3.7 本章小结 74
参考文献 74
第4章 基于旋转森林的遥感影像分类 79
4.1 旋转森林原理 80
4.2 嵌入马尔可夫随机场模型和局部线性特征提取的旋转森林分类 91
4.3 基于扩展形态学剖面和极限学习机的旋转森林 99
4.4 基于旋转森林的全极化SAR影像分类 109
4.5 本章小结 122
参考文献 122
第5章 异质分类器集成方法与应用 126
5.1 多分类器层次型组合与应用 126
5.2 监督/半监督特征提取与多分类器集成应用 130
5.3 异质分类器决策级融合与应用 136
5.4 动态多分类器集成与应用 139
5.5 基于支持向量机的分类器集成方法 153
5.6 本章小结 158
参考文献 158
第6章 遥感多分类器集成应用 161
6.1 全极化SAR影像多分类器集成应用 161
6.2 基于多分类器集成的光学和SAR影像协同分类应用 184
6.3 高分辨率光学影像与机载LiDAR数据多分类器集成 195
6.4 基于多差异影像集成的变化检测 208
6.5 本章小结 218
参考文献 218
彩图