基于支持向量机的高光谱影像分类研究

被引:22
作者
杨国鹏
余旭初
刘伟
陈伟
机构
[1] 信息工程大学测绘学院
关键词
高光谱影像; 支持向量机; 序列最小优化; 交叉验证; 网格搜索;
D O I
10.16208/j.issn1000-7024.2008.08.081
中图分类号
TP751 [图像处理方法];
学科分类号
080201 [机械制造及其自动化];
摘要
高光谱遥感技术,将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起。高光谱影像丰富的光谱信息使其较全色遥感、多光谱遥感能够更好的进行地面目标的分类识别。本文综合利用支持向量机分类的若干关键技术,包括序列最小优化训练算法、多类支持向量机构造方法、核函数及其参数选择的交叉验证"网格搜索",给出了高光谱影像分类流程,进行了遥感数据试验分析。
引用
收藏
页码:2029 / 2031+2034 +2034
页数:4
相关论文
共 6 条
[1]
基于机器学习的高维多光谱数据分类 [D]. 
夏建涛 .
西北工业大学,
2002
[2]
支持向量机多类分类方法 [J].
苟博 ;
黄贤武 .
数据采集与处理, 2006, (03) :334-339
[3]
支持向量机中优化算法 [J].
宋晓峰 ;
陈德钊 ;
俞欢军 ;
胡上序 .
计算机科学, 2003, (03) :12-15+20
[4]
高光谱遥感.[M].童庆禧;张兵;郑兰芬编著;.高等教育出版社.2006,
[5]
高光谱遥感.[M].张良培; 张立福; 编著.武汉大学出版社.2005,
[6]
统计学习理论.[M].(美)瓦普尼克(VladimirN.Vapnik)著;许建华;张学工译;.电子工业出版社.2004,