基于支持向量机和Getis因子的高分辨率遥感图像分类

被引：4

作者：

王新明

梁维泰

周方

秦晅

机构：

[1] 中国电子科技集团第研究所CISR技术国防重点科技实验室

来源：

地理与地理信息科学 | 2008年 / 04期

关键词：

遥感; 支持向量机; 图像分类; 空间聚集因子;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

采用支持向量机对具有RGB 3个波段、分辨率为0.32 m的航空摄影图像进行实验,首次根据表示空间聚集程度的局部Getis因子完成分类。结果表明:1)当应用基于线性、多项式、径向基和Sigmoid 4种常用核函数的SVM进行分类时,基于径向基的SVM分类精度最高,总体精度超过91%。2)从原始图像计算出局部Getis因子,该指标可用于图像分类,且分类精度与局部Getis因子的步长有关;在步长小于变异函数变程的条件下,应用径向基SVM的总体分类精度达95.66%,高于直接使用原始图像RGB波段光谱信息的分类精度,因此局部Getis因子在高空间分辨率遥感图像分类中具有应用和研究价值。

引用

页码：16 / 19+24 +24

页数：5

共 8 条

[1] SVM在多源遥感图像分类中的应用研究
何灵敏
沈掌泉
孔繁胜
刘震科
[J]. 中国图象图形学报, 2007, (04) : 648 - 654
[2] 融合形状和光谱的高空间分辨率遥感影像分类
黄昕
张良培
李平湘
[J]. 遥感学报, 2007, (02) : 193 - 200
[3] 支撑向量机及其遥感影像空间特征提取和分类的应用研究
骆剑承
周成虎
梁怡
马江洪
[J]. 遥感学报, 2002, (01) : 50 - 55
[4] Training set size requirements for the classification of a specific class
Foody, Giles M.
Mathur, Ajay
Sanchez-Hernandez, Carolina
Boyd, Doreen S.
[J]. REMOTE SENSING OF ENVIRONMENT, 2006, 104 (01) : 1 - 14
[5] The use of small training sets containing mixed pixels for accurate hard image classification: Training on mixed spectral responses for classification by a SVM
Foody, Giles M.
Mathur, Ajay
[J]. REMOTE SENSING OF ENVIRONMENT, 2006, 103 (02) : 179 - 189
[6] Toward intelligent training of supervised image classifications: directing training data acquisition for SVM classification.[J].Giles M. Foody;Ajay Mathur.Remote Sensing of Environment.2004, 1
[7] Automatic land cover analysis for Tenerife by supervised classification using remotely sensed data
Keuchel, J
Naumann, S
Heiler, M
Siegmund, A
[J]. REMOTE SENSING OF ENVIRONMENT, 2003, 86 (04) : 530 - 541
[8] 空间分析.[M].王劲峰等著;.科学出版社.2006,

← 1 →