基于最大似然和支持向量机方法的遥感影像地物分类精度评估与比较研究

被引：11

作者：

王明伟 ^{[1
]}

王志平 ^{[2
]}

赵春霞 ^{[1
]}

马跃 ^{[1
]}

张凯 ^{[1
]}

阳凡林 ^{[1
]}

机构：

[1] 山东科技大学测绘科学与工程学院

[2] 长江水利委员会长江勘测规划设计研究院

来源：

山东科技大学学报(自然科学版) | 2016年 / 35卷 / 03期

关键词：

分类; 地物; 最大似然; 支持向量机; 样本;

D O I：

10.16452/j.cnki.sdkjzk.2016.03.018

中图分类号：

P237 [测绘遥感技术]; TP751 [图像处理方法];

学科分类号：

1404 ;

摘要：

遥感影像的监督分类算法在环境监测、地质调查等领域均有重要应用。本文利用最大似然(ML)分类器和支持向量机(SVM)分类器对土地利用和地表覆盖问题中地物类型的提取和识别进行研究,系统分析两种不同分类方法对地物分类结果的影响。通过选取Landsat LT5和LE7卫星遥感影像数据及定义训练样本,对比分析利用ML和SVM分类器的分类成果精度,其中Landsat LT5和ML、SVM组合的分类精度分别达94.64%和94.98%,而Landsat LE7和ML、SVM组合的分类精度则分别达97.63%和99.29%。研究表明,对于LT5影像,ML和SVM两种分类器的精度相当,而对于LE7影像,SVM分类器的精度明显高于ML分类器。

引用

页码：25 / 32

页数：8

共 10 条

[1] 基于最佳距离度量的两层最近邻分类算法
崔宾阁
庄仲杰
[J]. 山东科技大学学报(自然科学版), 2015, 34 (03) : 20 - 27
[2] 面向对象的土地利用/覆盖遥感分类方法与流程应用
郭琳
裴志远
吴全
刘跃辰
赵占营
[J]. 农业工程学报, 2010, 26 (07) : 194 - 198
[3] 植被高光谱遥感分类方法研究
陶秋香
[J]. 山东科技大学学报(自然科学版), 2007, (05) : 61 - 65
[4] 地形数据辅助下的山区土地覆盖分类研究
张睿
张继贤
李海涛
[J]. 山东科技大学学报(自然科学版), 2007, (01) : 38 - 41
[5] 一种基于支撑向量机的遥感影像不完全监督分类新方法
刘志刚
史文中
李德仁
秦前清
[J]. 遥感学报, 2005, (04) : 363 - 373
[6] 遥感影像分类方法比较研究
李爽
丁圣彦
许叔明
[J]. 河南大学学报(自然科学版), 2002, (02) : 70 - 73
[7] 基于半监督学习的遥感影像分类技术研究[D]. 任广波.中国海洋大学. 2010
[8] 基于遥感影像的海岛（礁）提取技术研究[D]. 张宏伟.解放军信息工程大学. 2011
[9] Relevance assessment of full-waveform lidar data for urban area classification
Mallet, Clement
Bretar, Frederic
Roux, Michel
Soergel, Uwe
Heipke, Christian
[J]. ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING, 2011, 66 (06) : S71 - S84
[10] Relevance of airborne lidar and multispectral image data for urban scene classification using Random Forests[J] . Li Guo,Nesrine Chehata,Clément Mallet,Samia Boukir.ISPRS Journal of Photogrammetry and Remote Sensing . 2010 (1)

← 1 →