【摘要】：特征融合是指利用多种特征增加单一特征对地物的表达能力。Permuter等介绍了5种特征融合方法，可归纳为两类，即基于决策级融合方法和多特征组合方法。本研究采用后者对光谱、纹理和几何特征进行线性组合，构建点云特征描述子，记为P=[SrgbmSrgbcSlabmSlabcTfdGepfhGhedGhev]。选择后者的原因有二：其模型简单、处理速度快；便于实验对比，分析不同特征对地物的区分能力和对分类精度的总体贡献。
特征融合是指利用多种特征增加单一特征对地物的表达能力。Permuter等（2006）介绍了5种特征融合方法，可归纳为两类，即基于决策级融合方法和多特征组合方法。其中，前者需要建立不同特征之间的因果关系，通过概率模型推理融合机制，常用的融合模型有贝叶斯神经网络模型（Aslam等，2012）、马尔可夫模型（Voisin等，2013）和高斯混合模型（Huang等，2005）等；后者主要依据不同特征对分类精度的贡献按权重直接扩展到多维特征空间（Jiang等，2007）。本研究采用后者对光谱、纹理和几何特征进行线性组合，构建点云特征描述子，记为P=[SrgbmSrgbcSlabmSlabcTfdGepfhGhedGhev]。选择后者的原因有二：（1）其模型简单、处理速度快；（2）便于实验对比，分析不同特征对地物的区分能力和对分类精度的总体贡献。此外，由于光谱特征和纹理特征具有一定的相关性，因此本研究将两者看成一个整体；由于几何特征提取过程与光谱和纹理特征的提取过程相互独立，因此本研究采用等权的方式对上述三个特征进行组合，且为避免特征值域差异对分类精度的影响，将组合特征的值域范围归一化到相同范围（0，1）。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
