基于混合决策树的农作物精细分类

决策树是一种分类过程，循环地把一个数据集划分到越来越小的子集中去。树由节点组成，一组中间节点和一组末端节点(叶子)组成一个决策树。决策树中的节点只有一个父节点和两个或多个子节点，各个节点采用不同的算法和特征。

中国科学院遥感应用研究所熊桢等基于获得的常州水稻生长期80波段PHI航空高光谱图像,利用混合决策树方法对水稻品种进行了高光谱图像精细分类。该决策树共分三层、五个子集，每个子集采用不同波段组合,分别用了四次最大似然法、一次最小距离完成了11种地物、其中6个水稻品种的划分，测试样本的分类精度达到94.9%。

张兵针对高光谱遥感海量数据的特点，尤其是具有特定光谱物理含义的定量化问题，充分考虑自然界中地物分布的一般性规律，提出特征优化的专家决策分类方法。第一优先级是在特征提取的基础上，基于光谱特征参量的分类;第二优先级是对某些特殊地物，经过光谱特征选择和基于这些特征波段的光谱空间分析，根据其在光谱维上一定的独立性进行分类;第三优先级是在混合像元分析的基础上，确定纯像元和训练样本，选择某一种光谱匹配算法,得到相似度图像。可以看出，所有类别最终归属都需要在专家判据下完成。另外，任何一个分类过程在不满意的条件下均可转入另外一个过程。这种分类模式一方面可以提高像元分类精度，另外从视觉上，也大大减少了分类结果图像上的误判噪声。利用这种分类模式，很好地完成了基于PHI高光谱数据的日本南牧农作物精细分类。